В Гонконге разработали технологию для передвижения четвероногих роботов. Теперь они почти как настоящие животные способны автономно преодолевать экстремально сложные препятствия. Роботы находят обходные пути там, где кажется, что пройти невозможно. Как это стало возможно и какие возможности открывает новая технология?

Робот вместо человека в опасных условиях

Механические животные словно перенимают навыки своих проворных двуногих и четвероногих собратьев. Они, как по инстинкту, адаптируются к самым разнообразным типам местности.

Это принципиально меняет возможности человека. Только вдумайтесь: таких роботов можно будет производить для выполнения смертельно опасных задач. Яркий пример — мониторинг и оценка состояния нестабильных завалов после землетрясения, где каждое движение может спровоцировать новый обвал. До сих пор главной проблемой оставалась неспособность роботов не только физически преодолевать препятствия, но и распознавать и анализировать их.

Многослойная карта местности

Решение пришло из Гонконгского университета. Команда под руководством доцента Пэна Лу и аспиранта Йеке Чэнь разработала революционную модель многослойного картографирования. В чем её суть?

Вместо плоской карты выстраивается детальная 3D-модель рельефа. Это значит, что для принятия решений складывается картинка из множества различных слоёв препятствий — будь то пропасть, которую нужно перепрыгнуть, или узкий лаз с выступающими элементами, под которым необходимо проползти. Новая технология даёт машине не просто «зрение», а структурное понимание пространства, что позволяет отличать преодолимое от непреодолимого.

Как лидар помогает роботам «видеть» мир

В основе способности робота ориентироваться в сложной местности лежит его «цифровое зрение» — технология под названием лидар (LiDAR). Аббревиатура расшифровывается как Light Detection and Ranging, что дословно переводится как «обнаружение и определение дальности с помощью света».

Принцип работы лидара напоминает эхолокацию, только вместо звука он использует лазер. Устройство испускает в окружающее пространство тысячи невидимых лазерных импульсов каждую секунду и с высочайшей точностью замеряет время, за которое они, отразившись от объектов, возвращаются обратно. Это позволяет молниеносно вычислять дистанцию до каждого объекта и создавать детальную трёхмерную карту окружающего пространства в реальном времени.

Именно эта способность «ощупывать» мир лазерным лучом делает лидар незаменимым для робота, пробирающегося через завалы. В отличие от камеры, которая просто видит плоское изображение, лидар предоставляет точные данные о глубине, форме и рельефе каждого препятствия.

Обучение в симуляторе

Прежде чем столкнуться с реальными препятствиями, робот прошёл суровую школу в виртуальной реальности. Исследователи использовали симуляции, чтобы обучить его распознавать и реагировать на бесчисленное множество сценариев. В цифровой среде он освоил ключевые навыки передвижения: ползание, прыжки и карабканье.

«Благодаря освоению различных навыков в процессе симуляции и обобщению знаний, робот способен переключаться между ними, чтобы преодолевать различные препятствия», — поясняет доцент Гонконгского университета Пэн Лу.

Эта виртуальная подготовка наделила робота и ещё одной важной способностью: когда в реальном мире данных с датчиков оказывается недостаточно, он может восполнить пробелы, опираясь на оценки, сформированные в процессе обучения.

От симуляции к реальному миру

Теорию проверили на практике. В серии экспериментов, проведенных как в помещениях, так и на открытом воздухе, робот Unitree Go1 с лёгкостью демонстрировал приобретённые навыки. Он автономно прокладывал путь, самостоятельно принимая решение, когда проползти под преградой, а когда перепрыгнуть через нее.

Но самым удивительным открытием стала непреднамеренная способность робота к планированию пути. Инженеры не закладывали в него этот алгоритм напрямую. Однако, сталкиваясь с препятствием, которое было слишком высоким для прыжка, робот не останавливался, а начинал искать обходной путь, методом проб и ошибок находя решение. Это доказало, что система способна не только следовать инструкциям, но и проявлять зачатки автономного принятия решений.

Коммерция и существующие ограничения

Несмотря на впечатляющие успехи, у технологии есть и ограничения. Главное из них, как отмечает Лу, — это зависимость робота от данных симуляционного обучения. Он пока не может учиться «на ходу», непосредственно в реальном мире, а полагается лишь на тот опыт, что получил виртуально.

Однако будущее проекта выглядит светлым. Учёные уже планируют коммерциализировать разработку, например, для автоматизированной инспекции на строительных площадках. Следующая важная цель — интегрировать в процесс обучения данные из реального мира, чтобы окончательно «стереть грань» между симуляцией и реальностью и создать робота, способного покорить абсолютно любую местность.

Примечание редакции
Технологии, описанные в статье, требуют значительных вычислительных мощностей для обучения и надёжного хранения больших данных. Решением таких задач занимается, в частности, российский облачный провайдер Cloud4Y, предоставляющий услуги для ML-расчётов и работы с данными.