Исследователи из Университета Иллинойса разработали алгоритм машинного обучения, который позволяет человекоподобным роботам автоматически подниматься после падения. Это достижение может значительно повысить автономность роботов и способствовать их более широкому применению в будущем. Человекоподобные роботы, имеющие схожую с людьми структуру тела, способны эффективно выполнять широкий спектр задач в реальных условиях. В последние годы эти роботы и алгоритмы их управления существенно усовершенствовались, позволяя им двигаться быстрее и имитировать различные человеческие движения. Однако, в отличие от людей, которые могут легко подняться после падения, роботы часто оказываются беспомощными в таких ситуациях, требуя вмешательства человека. Источник: Xialin He et al Новый алгоритм, названный HUMANUP, использует подход reinforcement learning (обучение с подкреплением) для улучшения способности роботов подниматься независимо от их положения после падения. Как отмечают авторы исследования Сяолинь Хэ, Рунпэй Дун и их коллеги: «Ручная разработка контроллеров для подъёма затруднена из-за разнообразных конфигураций, в которых может оказаться робот после падения, и сложных поверхностей, на которых ожидается работа человекоподобных роботов». HUMANUP работает в два этапа. На первом этапе алгоритм фокусируется на определении оптимальных траекторий движения конечностей, позволяющих роботу подняться, с минимальными ограничениями на плавность и скорость выполнения движений. На втором этапе происходит оптимизация найденных движений, превращая их в плавные и медленные действия, которые робот может выполнить независимо от своего положения и типа поверхности. Исследователи протестировали свой алгоритм как в симуляциях, так и в реальных условиях, используя человекоподобного робота Unitree G1, разработанного китайской компанией Unitree Robotics. Результаты оказались весьма обнадёживающими: робот смог автономно подняться после падения в различных положениях и на разных поверхностях. Источник: Xialin He et al «Мы обнаружили, что наши инновации позволяют реальному роботу G1 подниматься из двух основных положений: а) лёжа на спине и б) лёжа лицом вниз. Оба варианта были протестированы на плоских, деформируемых, скользких поверхностях и склонах, включая скользкую траву и снежное поле», — сообщают авторы исследования. «Насколько нам известно, это первая успешная демонстрация алгоритмов подъёма для человекоподобных роботов размером с человека в реальных условиях». Разработанный алгоритм может быть в дальнейшем усовершенствован и применён к другим человекоподобным роботам, наделяя их способностью автоматически подниматься после падения. Это значительный шаг вперёд в развитии робототехники, который может способствовать более широкому внедрению человекоподобных роботов в различных сферах деятельности. Данное исследование открывает новые перспективы в области автономной робототехники и демонстрирует потенциал машинного обучения в решении сложных задач управления роботами. По мере дальнейшего развития этой технологии можно ожидать появления более устойчивых и самостоятельных человекоподобных роботов, способных эффективно функционировать в разнообразных реальных условиях.