DribbleBot научился вести футбольный мяч в реалистичных условиях
Лаборатория искусственного интеллекта Массачусетского технологического института разработала ловкое манипулирование мячом с помощью робота на ногах (DribbleBot), который может вести футбольный мяч в реальных условиях, подобных тем, с которыми сталкивается игрок-человек.
Робо-футбол существует с середины 1990-х годов, хотя такие матчи, как правило, представляют собой довольно упрощенную версию человеческой игры. Однако заставить робота манипулировать мячом также является очень привлекательной темой исследований для робототехников.
Обычно эти исследовательские усилия были сосредоточены на колесных роботах, играющих на очень плоской, однородной поверхности, гоняющихся за мячом, который они хотели остановить.
Для DribbleBot команда использовала четвероногого робота с двумя объективами типа «рыбий глаз» и бортовой компьютер с возможностью обучения нейронной сети для отслеживания футбольного мяча на территории с неровным рельефом настоящего поля, включая песок, грязь и снег.
Это не только сделало катящийся мяч менее предсказуемым, но и повысило опасность падения, от которого роботу ростом 40 см приходилось оправляться, а затем поднимать мяч, как игроку-человеку.
Сначала это может показаться простым в мире, где роботы Boston Dynamics регулярно бегают по пересеченной местности и делают сальто назад, но есть большая разница в движениях.
Обычный робот может полагаться на внешние визуальные датчики, а для сохранения равновесия он анализирует, насколько хорошо его ноги цепляются за землю.
Мяч, катящийся по неровной поверхности, гораздо сложнее, поскольку он реагирует на небольшие факторы, которые не влияют на ведущего, требуя, чтобы робот открыл для себя навыки, необходимые для управления мячом, когда и мяч, и он находятся в движении.
Чтобы ускорить этот процесс, параллельно в режиме реального времени было проведено 4000 цифровых симуляций робота, включая задействованную динамику и то, как реагировать на траекторию мяча.
Когда робот научился вести мяч, он получал положительное подкрепление и отрицательное подкрепление, если совершал ошибку. Эти симуляции позволили сжать сотни дней игры всего в пару дней.
Затем в реальном мире бортовая камера, датчики и приводы робота позволили ему применить то, чему он научился в цифровом мире, и отточить эти навыки в более сложной реальности.
«Если вы посмотрите вокруг сегодня, большинство роботов колесные», — говорит Пулкит Агравал, профессор Массачусетского технологического института, главный исследователь CSAIL и директор Improbable AI Lab.
«Но представьте, что есть сценарий стихийного бедствия, наводнения или землетрясения, и мы хотим, чтобы роботы помогали людям в процессе поиска и спасения пересекать сложные ландшафты. Весь смысл изучения роботов с ногами состоит в том, чтобы перемещаться по местности, недоступной для современных роботизированных систем. Наша цель при разработке алгоритмов для роботов с ногами — обеспечить автономию в сложных ландшафтах, которые в настоящее время недоступны для обычных роботов».
Исследование будет представлено на Международной конференции IEEE по робототехнике и автоматизации (ICRA) 2023 года.
В видео ниже обсуждается DribbleBot.