Исследователи Массачусетского технологического института опубликовали увлекательный видеоролик. В нём демонстрируется результат работы по обучению робогепарда перепрыгиванию препятствий на своём пути. Для этого робот оценивает расстояние до барьера и его высоту с помощью лидара, затем, подобно живому существу, находит лучшую позицию для прыжка. Происходит коррекция шагов для её достижения. Гепард совершает прыжок, мягкое приземление и продолжает бежать, восстанавливая свой изначальный темп хода.

Робогепард МТИ — это отнюдь не то же самое, что Cheetah от Boston Dynamics. Оба проекта финансируются Агентством по перспективным оборонным научно-исследовательским разработкам США. Оба являются попыткой скопировать бег реального гепарда — животного, способного разгоняться до 120 километров в час за 2 секунды. Но роботы имеют разных авторов и сильно отличаются. Вместо гидравлики гепард МТИ использует специально разработанные электроприводы с низкими оборотами и высоким крутящим моментом. Большая энергоэффективность достигается за счёт рекуперации части обычно рассеиваемой энергии. За счёт этого можно уменьшить блок батарей и обходиться без шумного двигателя внутреннего сгорания.

Команда разработчиков МТИ научила прыгать гепарда ещё в сентябре прошлого года. Но тогда это действие выполнялось вслепую, аппарат не мог различать препятствия на своём пути. Также в сентябре робот получил возможность бегать без кабеля внешнего питания — в него поставили аккумуляторные батареи.


Видеоролик с демонстрацией первых прыжков с автономным питанием, сентябрь 2014 года

Теперь гепард МТИ может видеть препятствия перед собой с помощью лидара, активной оптической системы, которая использует лазер для составления карты пространства. Прыжок в беге требует высокой динамики. Нужно сохранять баланс и адекватно приземляться. Для этого процесса разработчики создали алгоритм из трёх частей с использованием данных лидара. Как лидар, так и компьютерная система находятся на борту гепарда, что обеспечивает автономное управление. Работу программы можно разбить на три шага.

Первый выполняет обнаружение препятствий, оценивает их размер и расстояние до них. Исследователи использовали простую модель визуального пространства: поверхность представлена в виде прямой линии, а любые барьеры — это отклонения от неё. После обнаружения препятствия начинает работу второй компонент. Выполняется расчёт оптимальной позиции для прыжка и коррекция шагов при подходе к препятствию. Гепард либо ускоряется, либо замедляется для достижения нужной точки. Алгоритм работает на лету, ему нужно лишь 100 миллисекунд для выполнения — это примерно половина одного шага.

Наконец, робот достигает нужную точку. Здесь в рамках третьего шага алгоритм рассчитывает траекторию прыжка. Исследователи создали формулу, которая на основе высоты барьера и скорости робота выдаёт силу, которую должны развивать электрические двигатели.



Как рассказывают исследователи, алгоритм выбирает не оптимальное, а осуществимое решение. То есть гепард иногда прыгает куда выше, чем это необходимо. Поиск оптимальных и наиболее энергоэффективных параметров может занимать слишком много времени и вычислительной мощи. Исследователи утверждают, что неидеальное решение вполне приемлемо, а излишняя оптимизация может быть опасна для успешности прыжка.

Возможности по преодолению препятствий сначала были протестированы на беговой дорожке, затем на реальной полосе препятствий. Беговая дорожка была короткой, примерно 4 метра в длину, а гепард бежал посередине. Поэтому роботу оставалось порядка метра до препятствия. Из-за этого алгоритм позволил преодолеть лишь 70 % барьеров. Тесты на полосе препятствий в помещении проходили лучше, поскольку у гепарда было больше пространства и времени для принятия решений. 90 % прыжков оказались успешными.

Результаты испытаний показали, что робот в состоянии преодолевать барьеры высотой до 46 сантиметров (18 дюймов) — больше половины собственной высоты. При этом сохраняется средняя скорость бега в 8 километров в час (5 миль в час).

Команда исследователей представит бег и прыжки гепарда на DARPA Robotics Challenge в июне. В июле об автономных системах будет рассказано на конференции Robotics: Science and Systems. В дальнейшем исследователи собираются реализовать возможность прыжков на мягкой поверхности, к примеру, траве.

По материалам новостного сайта МТИ.