پژوهشگران دانشگاه هنگکنگ و مؤسسهی رباتیک آکسفورد (Oxford Robotics Institute) روشی مبتنی بر یادگیری ماشین توسعه دادهاند که به رباتهای چهارپا امکان میدهد از میان شکافها بهسرعت و بدون برنامهریزی از پیش تعیینشده عبور کنند؛ حرکتی که با روشهای متداول کنترل رباتیک، دستیابی به آن دشوار است.
الهام از سگها
ایدهی اصلی این پژوهش از نحوهی دویدن سگها بهسمت موانع و پریدن از میان فضاهای تنگ الهام گرفته شده است. سامانهی طراحیشده به ربات اجازه میدهد خودش تصمیم بگیرد چه زمانی بپرد و حرکت خود را متناسب با آن تنظیم کند. تیم پژوهشی این سامانه را روی یک ربات چهارپای الینگو (Aliengo) ساخت شرکت یونیتری (Unitree) با وزن حدود ۲۲ کیلوگرم پیادهسازی کرده و نشان دادهاند این ربات میتواند بهطور خودمختار از شکافهایی تقریباً هماندازهی بدن خودش عبور کند.
رباتهای چهارپا برای پرش از فضایی هماندازهی بدن خود، به مهارتهای حرکتی و ادراکی بسیار پیشرفتهای نیاز دارند
معماری دوسطحی ConsJump
هستهی این سامانه، چارچوب یادگیری تقویتی سلسلهمراتبی (Hierarchical Reinforcement Learning) به نام ConsJump است. بهجای آموزش هر حرکت بهطور جداگانه و از صفر، پژوهشگران کنترل ربات را به دو سطح تقسیم کردهاند. کنترلکنندهی سطح پایین، کتابخانهای از حرکات چابک در اختیار ربات قرار میدهد که با روش یادگیری تقلیدی (Imitation Learning) و بر اساس الگوهای حرکتی جانوران، از جمله راهرفتن، تاخت، پرش و چرخش، آموزش دیدهاند. این حرکات با استفاده از سینماتیک معکوس (Inverse Kinematics؛ روشی ریاضی برای محاسبهی زاویهی مفاصل لازم برای رسیدن به یک موقعیت مشخص) با ساختار فیزیکی ربات تطبیق داده میشود تا هماهنگی طبیعی میان مفاصل حفظ شود. در این میان، حرکات پرشی بهطور ویژه مورد تأکید قرار گرفتهاند.
کنترلکنندهی سطح بالا بیشتر نقش تصمیمگیرنده را دارد. این بخش اطلاعات محیط را دریافت میکند و مشخص میکند کدام حرکت باید استفاده شود و چه زمانی ربات باید میان حرکات مختلف جابهجا شود. بهجای کنترل مستقیم تکتک مفاصل، این کنترلکننده صرفاً فرمانهای سرعت پیشروی و چرخش را تولید و به سامانهی حرکتی سطح پایین ارسال میکند؛ رویکردی که به ربات اجازه میدهد حرکات آموختهشدهی مختلف را بهطور پیوسته با یکدیگر ترکیب کند.
بینایی ماشین؛ ابزار ربات برای اندازهگیری ابعاد شکاف
بینایی ماشین بخش کلیدی دیگری از این فناوری است. ربات از یک دوربین آرجیبی-عمق (RGB-D) اینتل ریلسنس مدل D435i برای شناسایی دروازه و تعیین اندازه و موقعیت آن استفاده میکند. سامانهی ادراکی، اطلاعات رنگ و عمق را همزمان پردازش میکند تا شکاف مستطیلشکل را تشخیص دهد، مرکز آن را محاسبه و هندسهاش را تخمین بزند. این اطلاعات سپس در اختیار کنترلکنندهی سطح بالا قرار میگیرد که با ترکیب آن با وضعیت فعلی خود ربات، نحوهی نزدیکشدن به مانع را تعیین میکند؛ به این ترتیب، ربات بهجای پیروی از یک مسیر از پیش تعیینشده، تصمیمهای خود را بهصورت پویا میگیرد و هنگام نزدیکشدن به دروازه، از یک گام آهستهتر به یک دوی سریع و جهشگونه گذر میکند.
در آزمایشها، ربات تا سرعت ۲.۵ متر بر ثانیه شتاب میگرفت و سپس بهسرعت برای فرود کند میشد. این سامانه همزمان مفاصل ربات را در حین پرواز هماهنگ میکند تا پاها از لبههای شکاف دور بمانند؛ مرحلهی هوابودن ربات هم در حدود ۰.۴۴ ثانیه طول میکشد.
آموزش در مقیاس بزرگ بهلطف شبیهسازی
کنترلکنندهی سطح پایین با اجرای همزمان ۵۴۸۰ عامل موازی در محیط شبیهسازی آموزش دیده و سپس رفتار آموختهشده به ربات فیزیکی منتقل شده است. برای بهبود انتقال از شبیهسازی به واقعیت (Sim-to-Real)، فرایند آموزش عواملی مانند قدرت موتور، تأخیر سیستم، خطای افست و وزن اضافه را بهطور تصادفی تغییر میداد تا مدل نهایی در برابر تفاوتهای میان دنیای مجازی و واقعی مقاومتر شود. در مورد ربات الینگو، الگوریتمهای کنترلکننده از طریق پردازندهی داخلی اجرا میشدند، در حالی که پردازش دادهی دوربین بهطور جداگانه انجام میگرفت.
سازگاری با شرایط متغیر
آزمایشها نشان دادهاند این سامانه میتواند خود را با موقعیتهای متفاوت دروازه و زمین ناهموار، از جمله شرایطی که پای ربات پیش از پرش میلغزد، تطبیق دهد.
به گفتهی پژوهشگران، از آنجا که سیاست حرکتی سطح پایین ثابت باقی میماند و تنها کنترلکنندهی سطح بالا نحوهی استفاده از آن مهارتها را انتخاب میکند، این معماری را میتوان بدون آموزش مجدد کل سامانهی حرکتی، برای سایر وظایف دشوار رباتیک نیز به کار گرفت.