研究者らが自律走行する車輪付き脚ロボットを開発

高速で移動する自律移動ロボットは、さまざまな場所に商品を配達し、製品サプライチェーンの混乱に対処するのに役立ちます。ただし、車輪付きロボットや脚付きロボットだけでは、配達を効率的かつ独立して完了するには不十分な場合があります。

ETHチューリッヒのロボットシステム研究室の研究者らは最近、車輪付きロボットと脚付きロボットの能力を組み合わせた新しいロボット設計を発表した。 科学ロボット工学 紙は、さまざまな強化学習技術を使用して環境をナビゲートし、運転モードと歩行モードをスムーズに切り替えて、さまざまな地形に適応することができます。

「このプロジェクトの主な目的は、地上ロボット用の大規模な自律走行システムを史上最速で構築することだった」と論文の共著者であるジュノ・リー氏はテックエクスプロアに語った。「これは、5年以上にわたる脚付きロボットの研究の成果だ。 自律航行、そしてロボットの知覚。」

の ロボットシステム リー氏とその同僚が開発したロボットは、2021年にDARPA Subterranean Challengeで優勝した屋内ドローン会社Flyabilityの研究者を含むチームCERBERUSが作成した以前のロボットをベースにしている。しかし、チームCERBERUSが開発したロボットとは対照的に、彼らのシステムは簡素化された設計と、より高度なAI搭載ナビゲーションシステムを備えている。

「従来、地上ロボットのナビゲーション計画はオンライン最適化手法を使用して行われてきました」と Lee 氏は説明します。「このようなアプローチは、単純な車輪付きロボットや低速歩行ロボットには有効ですが、当社のような高速移動ロボット (最高時速 20 km) の場合は、十分な速さのナビゲーション計画を提供できません。2 m/s で移動するロボットの場合、0.5 秒の遅延で 1 m の誤差が生じ、悲惨な衝突につながる可能性があります。」

ロボットが自律的に環境を移動できるようにするために、研究者たちはさまざまな階層的強化学習技術を開発、トレーニング、テストしました。最終的に、さまざまな種類の入力を処理できるニューラル ネットワーク ベースのコントローラーをトレーニングし、数ミリ秒以内にロボットの新しい移動計画を作成しました。

「私たちのアプローチのもう一つの大きな利点は、ニューラル ネット コントローラーが、脚付きロボットの非線形かつ複雑なダイナミクスを完全に理解していることです」と Lee 氏は言います。「ロボットがさまざまな地形でさまざまな速度でどのように動作するかを理解しているため、非常に効率的にロボットを操縦できます。」

スイス連邦工科大学チューリッヒ校で開発されたロボットは、移動しやすい滑らかな地形では前進し、車輪を活用して電力消費を最小限に抑えます。階段があるなど、車輪での移動が困難または不可能な複雑な地形では、ロボットは歩行モードに切り替えることができます。

Lee 氏と彼の同僚が開発し、訓練したニューラル ネットワーク ベースのコントローラーは、センサー データを処理して、ロボットが特定の地形を移動するのに最も効率的な方法を決定することができます。これにより、ロボットは従来の車輪付きロボットの長所と脚付きロボットの長所を効果的に組み合わせることができます。

「車輪付きロボットは効率的ですが、高い障害物を乗り越えることはできません」とリー氏は言う。「一方、脚付きロボットは障害物や急な斜面を乗り越えるのが得意ですが、10 個以上の関節を不規則なパターンで動かす必要があるため、効率が非常に低くなります。通常、歩行ロボットは最大 1 時間しか動作できません。車輪付きの脚により、当社のロボットは通常の歩行ロボットと同じ障害物を、少なくとも 3 倍長く動作させて乗り越えることができます。」

Lee 氏と彼の同僚が開発したコントローラは、従来の計画およびモデルベースの制御技術を採用していません。特に、これらの従来の方法は、不確実性とランダムな外乱が特徴の現実世界の設定ではパフォーマンスが不十分であることが多いことがわかっています。

代わりに、チームのコントローラーは2つの 人工ニューラルネットワークこれらのネットワークは、ロボットに統合されたセンサーによって収集されたデータを処理し、適切な歩行動作を生成し、ロボットが移動する方向を決定します。

「ナビゲーション エージェントをトレーニングするために、コンピューター ゲームに似た特別なシミュレーション環境を作成しました」と Lee 氏は語ります。「当社のソフトウェアは、さまざまな複雑な地形や障害物を含むナビゲーション コントローラーの新しい「ステージ」を自動的に生成します。数時間のトレーニングの後、あらゆる種類の起伏のある地形や迷路のような環境に対応できる、非常に堅牢で多用途なニューラル ネットワーク コントローラーが完成しました。」

ロボットの動きを制御するナビゲーションシステムのさらなる利点は、既存の多くのコントローラよりもシンプルであることです。2つのニューラルネットワークのうち1つは歩行動作の計画に焦点を当てており、もう1つはロボットの全体的なナビゲーションに焦点を当てています。 コントローラ 基本的なものも含まれています 地形 マッピングおよび SLAM (同時位置推定とマッピング) モジュール。

「これは私がこれまで見た中で最もシンプルなナビゲーション システム設計であり、非常に強力なニューラル ネット コントローラにより、システム統合におけるエンジニアリングの労力が大幅に削減されます」と Lee 氏は語ります。「ナビゲーション システム自体の構築に費やした実際の時間は 1 年未満でした。」

リー氏と彼の同僚は、現実世界の環境で行われた一連の実験でナビゲーション システムをテストしました。その結果、ロボットがチューリッヒとセビリアという 2 つの異なるヨーロッパの都市を 10 km 以上移動することに成功し、非常に反応が良く、高性能であることがわかりました。

将来的には、この最近の論文で紹介した車輪付き脚ロボットとナビゲーション システムをさらに改良し、さまざまな環境で展開できる可能性があります。最も有望な用途の 1 つは、さまざまな地形での商品の迅速で信頼性の高い自律的な配送です。

「私は今、このシステムをマルチモーダル入力で拡張したいと考えています」とリー氏は付け加えた。「現在、ロボットはナビゲーションと歩行に幾何学的情報のみに依存していますが、現実世界では、歩き回るときに考慮しなければならないことが他にもたくさんあります。たとえば、ロボットは地面が濡れているかどうか、歩道か芝生のどちらに留まらなければならないか、赤信号が点灯しているかどうかなど、より意味的な情報を気にする必要があります。」

© 2024 サイエンスXネットワーク
お問い合わせ・広告・著作権・不具合に関するご連絡は [email protected] までメールでお願いします。