Satu lompatan besar untuk cheetah mini – Majalah Time.com

Seekor cheetah yang melompat-lompat berlari melintasi lapangan yang bergulir, melompati celah yang tiba-tiba di medan yang berat. Gerakannya mungkin terlihat mudah, tetapi membuat robot bergerak dengan cara ini adalah prospek yang sama sekali berbeda.

Dalam beberapa tahun terakhir, robot berkaki empat yang terinspirasi oleh gerakan cheetah dan hewan lain telah membuat lompatan besar ke depan, namun mereka masih tertinggal dari rekan mamalia mereka dalam hal melakukan perjalanan melintasi lanskap dengan perubahan ketinggian yang cepat.

“Dalam pengaturan itu, Anda perlu menggunakan visi untuk menghindari kegagalan. Misalnya, melangkah di celah sulit untuk dihindari jika Anda tidak bisa melihatnya. Meskipun ada beberapa metode yang ada untuk menggabungkan visi ke dalam penggerak berkaki, kebanyakan dari mereka tidak benar-benar cocok untuk digunakan dengan sistem robot gesit yang muncul, ”kata Gabriel Margolis, seorang mahasiswa PhD di lab Pulkit Agrawal, profesor di Ilmu Komputer dan Laboratorium Kecerdasan Buatan (CSAIL) di MIT.

Sekarang, Margolis dan rekan-rekannya telah mengembangkan sistem yang meningkatkan kecepatan dan kelincahan robot berkaki saat mereka melompat melintasi celah di medan. Sistem kontrol baru dibagi menjadi dua bagian — satu yang memproses input real-time dari kamera video yang dipasang di bagian depan robot dan yang lain menerjemahkan informasi itu ke dalam instruksi tentang bagaimana robot harus menggerakkan tubuhnya. Para peneliti menguji sistem mereka pada MIT mini cheetah, robot yang kuat dan gesit yang dibangun di lab Sangbae Kim, profesor teknik mesin.

Tidak seperti metode lain untuk mengendalikan robot berkaki empat, sistem dua bagian ini tidak memerlukan pemetaan medan terlebih dahulu, sehingga robot dapat pergi ke mana saja. Di masa depan, ini dapat memungkinkan robot untuk masuk ke hutan dalam misi tanggap darurat atau menaiki tangga untuk mengirimkan obat ke orang tua yang terkunci.

Margolis menulis makalah dengan penulis senior Pulkit Agrawal, yang mengepalai lab Improbable AI di MIT dan merupakan Asisten Profesor Pengembangan Karir Steven G. dan Renee Finn di Departemen Teknik Elektro dan Ilmu Komputer; Profesor Sangbae Kim di Departemen Teknik Mesin di MIT; dan sesama mahasiswa pascasarjana Tao Chen dan Xiang Fu di MIT. Rekan penulis lainnya termasuk Kartik Paigwar, seorang mahasiswa pascasarjana di Arizona State University; dan Donghyun Kim, asisten profesor di University of Massachusetts di Amherst. Karya tersebut akan dipresentasikan bulan depan di Conference on Robot Learning.

Semuanya terkendali

Penggunaan dua pengontrol terpisah yang bekerja bersama membuat sistem ini sangat inovatif.

Pengontrol adalah algoritma yang akan mengubah status robot menjadi serangkaian tindakan untuk diikuti. Banyak pengontrol buta — yang tidak menggabungkan penglihatan — kuat dan efektif tetapi hanya memungkinkan robot berjalan di atas medan yang berkelanjutan.

Visi adalah input sensorik yang kompleks untuk diproses sehingga algoritme ini tidak dapat menanganinya secara efisien. Sistem yang menggabungkan visi biasanya bergantung pada “peta ketinggian” medan, yang harus dibuat sebelumnya atau dibuat dengan cepat, sebuah proses yang biasanya lambat dan rentan terhadap kegagalan jika peta ketinggian salah.

Untuk mengembangkan sistem mereka, para peneliti mengambil elemen terbaik dari pengontrol buta yang kuat ini dan menggabungkannya dengan modul terpisah yang menangani penglihatan secara real-time.

Kamera robot menangkap gambar kedalaman dari medan yang akan datang, yang diumpankan ke pengontrol tingkat tinggi bersama dengan informasi tentang keadaan tubuh robot (sudut sendi, orientasi tubuh, dll.). Pengontrol tingkat tinggi adalah jaringan syaraf yang “belajar” dari pengalaman.

Jaringan saraf itu mengeluarkan lintasan target, yang digunakan pengontrol kedua untuk menghasilkan torsi untuk masing-masing dari 12 sambungan robot. Pengontrol tingkat rendah ini bukan jaringan saraf dan sebaliknya bergantung pada serangkaian persamaan fisik ringkas yang menggambarkan gerakan robot.

“Hierarki, termasuk penggunaan pengontrol tingkat rendah ini, memungkinkan kami untuk membatasi perilaku robot agar lebih berperilaku baik. Dengan pengontrol tingkat rendah ini, kami menggunakan model yang ditentukan dengan baik yang dapat kami terapkan batasannya, yang biasanya tidak mungkin dilakukan dalam jaringan berbasis pembelajaran, ”kata Margolis.

Mengajarkan jaringan

Para peneliti menggunakan metode coba-coba yang dikenal sebagai pembelajaran penguatan untuk melatih pengontrol tingkat tinggi. Mereka melakukan simulasi robot yang berlari melintasi ratusan medan terputus yang berbeda dan menghargainya untuk penyeberangan yang berhasil.

Seiring waktu, algoritme mempelajari tindakan mana yang memaksimalkan hadiah.

Kemudian mereka membangun medan fisik yang berlubang dengan satu set papan kayu dan menguji skema kontrol mereka menggunakan cheetah mini.

“Sangat menyenangkan bekerja dengan robot yang dirancang sendiri di MIT oleh beberapa kolaborator kami. Cheetah mini adalah platform yang hebat karena berbentuk modular dan sebagian besar dibuat dari suku cadang yang dapat Anda pesan secara online, jadi jika kami menginginkan baterai atau kamera baru, Anda hanya perlu memesannya dari pemasok biasa dan, dengan sedikit biaya. sedikit bantuan dari lab Sangbae, memasangnya,” kata Margolis.

Memperkirakan keadaan robot terbukti menjadi tantangan dalam beberapa kasus. Tidak seperti dalam simulasi, sensor dunia nyata menghadapi kebisingan yang dapat menumpuk dan memengaruhi hasilnya. Jadi, untuk beberapa eksperimen yang melibatkan penempatan kaki presisi tinggi, para peneliti menggunakan sistem penangkapan gerak untuk mengukur posisi robot yang sebenarnya.

Sistem mereka mengungguli yang lain yang hanya menggunakan satu pengontrol, dan cheetah mini berhasil melintasi 90 persen medan.

“Satu hal baru dari sistem kami adalah ia menyesuaikan gaya berjalan robot. Jika manusia mencoba melompati celah yang sangat lebar, mereka mungkin mulai dengan berlari sangat cepat untuk menambah kecepatan dan kemudian mereka mungkin menyatukan kedua kaki untuk melakukan lompatan yang sangat kuat melintasi celah itu. Dengan cara yang sama, robot kami dapat menyesuaikan waktu dan durasi kontak kakinya untuk melintasi medan dengan lebih baik,” kata Margolis.

Melompat keluar dari lab

Sementara para peneliti mampu menunjukkan bahwa skema kontrol mereka bekerja di laboratorium, mereka masih memiliki jalan panjang sebelum mereka dapat menerapkan sistem di dunia nyata, kata Margolis.

Di masa depan, mereka berharap untuk memasang komputer yang lebih kuat ke robot sehingga dapat melakukan semua perhitungannya di papan. Mereka juga ingin meningkatkan penaksir keadaan robot untuk menghilangkan kebutuhan akan sistem penangkapan gerak. Selain itu, mereka ingin meningkatkan pengontrol tingkat rendah sehingga dapat mengeksploitasi rentang gerak penuh robot, dan meningkatkan pengontrol tingkat tinggi sehingga berfungsi dengan baik dalam kondisi pencahayaan yang berbeda.

“Sungguh luar biasa untuk menyaksikan fleksibilitas teknik pembelajaran mesin yang mampu melewati proses menengah yang dirancang dengan cermat (misalnya estimasi keadaan dan perencanaan lintasan) yang diandalkan oleh teknik berbasis model berusia berabad-abad,” kata Kim. “Saya senang dengan masa depan robot seluler dengan pemrosesan penglihatan yang lebih kuat yang dilatih khusus untuk penggerak.”

Ditulis oleh Adam Zewe

Sumber: Institut Teknologi Massachusetts