Ce robot à quatre pattes a appris le parkour pour mieux surmonter les obstacles

il rencontre N'importe quel argent, un robot ressemblant à un chien à quatre pattes conçu par des chercheurs de l'ETH Zurich en Suisse, dans l'espoir d'utiliser de tels robots pour la recherche et le sauvetage sur des chantiers de construction ou dans des zones sinistrées, entre autres applications. ANYmal a désormais été mis à niveau pour des performances rudimentaires Parkour Se déplace, c'est-à-dire « course libre ». Les passionnés de parkour humain sont connus pour leurs exploits acrobatiques remarquablement agiles, et bien qu'ANYmal n'ait pas pu égaler ces mouvements, le robot a réussi à sauter par-dessus les interstices, à gravir et à descendre de grands obstacles et à s'accroupir pour manœuvrer sous n'importe quel obstacle, selon Article récent Publié dans le Journal de Robotique.

L'équipe de l'ETH Zurich a présenté l'approche originale ANYmal de l'apprentissage par renforcement De retour en 2019 Et  Le philanthrope que c'est Proprioception (La capacité de ressentir le mouvement, l'action et le lieu) Trois ans plus tard. L'année dernière, l'équipe Triple spectacle Des robots ANYmal personnalisés, qui ont été testés dans des environnements aussi proches que possible des terrains difficiles de la Lune et de Mars. Comme mentionné précédemment, les robots marcheurs pourraient assister les futurs engins spatiaux et atténuer les risques de dommages dus à des arêtes vives ou à une perte de traction dans le régolithe meuble. Chaque robot avait un capteur lidar. Mais chacun était spécialisé dans certaines fonctions et restait suffisamment flexible pour remplacer l'autre, de sorte qu'en cas de dysfonctionnement de l'un, les autres pouvaient prendre le relais.

Par exemple, l'objectif principal du modèle Scout était de scanner son environnement à l'aide de caméras RVB. Ce robot a également utilisé un autre appareil d'imagerie pour cartographier les zones et les objets d'intérêt à l'aide de filtres laissant passer différentes régions du spectre lumineux. Le modèle Scientist a l'avantage d'avoir un bras contenant un MIRA (Metrohm Instant Raman Analyser) et un MICRO (Imaging Microscope). MIRA a pu identifier les produits chimiques présents dans les matériaux à la surface de la zone d'affichage en fonction de la façon dont la lumière était diffusée, tandis que MICRO, à son poignet, les photographiait de près. L'hybride était plus général, aidant l'éclaireur et le scientifique à mesurer des cibles scientifiques telles que des roches et des cratères.

Bien que les robots ANYmal et les robots à pattes similaires aient progressé ces dernières années, il reste encore des défis importants à relever avant qu'ils ne deviennent aussi intelligents et agiles que les humains et les autres animaux. « Avant de démarrer le projet, beaucoup de mes collègues chercheurs pensaient que les robots à pattes avaient déjà atteint les limites de leur potentiel de développement. » a déclaré le co-auteur Nikita Rudin, étudiant diplômé de l'ETH Zurich qui pratique également le parkour. « Mais j'avais un avis différent. En fait, j'étais sûr qu'on pouvait faire beaucoup avec les mécanismes des robots à pattes.

Le parkour est extrêmement complexe d'un point de vue robotique, ce qui en fait une mission ambitieuse idéale pour la prochaine étape de l'équipe suisse dans les capacités ANYmal. Le parkour peut impliquer de grands obstacles, obligeant le robot à « effectuer des manœuvres dynamiques aux limites de fonctionnement tout en contrôlant précisément les mouvements de la base et des membres », ont écrit les chercheurs. Pour réussir, ANYmal doit être capable de ressentir son environnement et de s'adapter aux changements rapides, en sélectionnant un chemin réalisable et une séquence de mouvements à partir de son propre ensemble de compétences programmées. Il doit tout faire en temps réel en utilisant une informatique embarquée limitée.

L'approche globale de l'équipe suisse combine apprentissage automatique et… Contrôle basé sur un modèle. Ils ont divisé la mission en trois éléments interconnectés : un module de perception qui traite les données des caméras embarquées et de la technologie LiDAR pour estimer le terrain ; Module de mobilité avec un catalogue programmé de mouvements pour surmonter un terrain spécifique ; L'unité de navigation dirige l'unité de navigation dans la sélection des compétences qui seront utilisées pour naviguer entre des obstacles et différents terrains à l'aide de commandes intermédiaires.

Par exemple, Rodin a utilisé l'apprentissage automatique pour enseigner à Animal de nouvelles compétences par essais et erreurs, à savoir gravir des obstacles et apprendre à remonter et à sauter. La caméra et le réseau de neurones artificiels du robot lui permettent de choisir les meilleures manœuvres en fonction de son entraînement préalable. Un autre étudiant diplômé, Fabian Jenelten, a utilisé le contrôle basé sur un modèle pour enseigner à ANYmal comment reconnaître et gérer les lacunes dans les tas de décombres, en l'augmentant avec l'apprentissage automatique afin que le robot ait une plus grande flexibilité dans l'application de schémas de mouvement connus dans des situations inattendues.

Parmi les tâches qu'ANYmal était capable d'accomplir figurait le saut d'une boîte à une autre à une distance allant jusqu'à un mètre. Cela nécessite que le robot s'approche de l'espace latéralement, place ses pieds le plus près possible du bord, puis utilise trois jambes pour sauter tout en étendant la quatrième pour atterrir sur l'autre boîte. Il peut ensuite déplacer deux jambes en diagonale avant de placer la dernière jambe à travers l'espace. Cela signifie que ANYmal peut se remettre de toute erreur ou glissade en déplaçant son poids entre les jambes qui ne sautent pas.

ANYmal était également capable de descendre d'une boîte de 1 mètre pour atteindre une cible au sol, ainsi que de grimper dans la boîte. Il peut également se pencher pour atteindre une cible de l’autre côté d’un couloir étroit, en abaissant sa base et en adaptant sa démarche en conséquence. L'équipe a également testé les capacités de marche d'ANYmal, le robot franchissant avec succès les escaliers, les rampes, les petits obstacles aléatoires, etc.

ANYmal a encore ses limites lorsqu'il s'agit de naviguer dans des environnements réels, qu'il s'agisse d'un parcours de parkour ou des ruines d'un bâtiment effondré. Par exemple, les auteurs notent qu’ils n’ont pas encore testé l’évolutivité de leur approche à des scénarios plus diversifiés et non structurés qui incluent un plus large éventail d’obstacles ; Le robot n'a été testé que dans quelques scénarios sélectionnés. « Il reste à voir dans quelle mesure ces différents modules peuvent se généraliser à des scénarios complètement nouveaux », ont-ils écrit. Cette approche prend également du temps car elle nécessite huit réseaux neuronaux qui doivent être réglés séparément, et certains réseaux sont interconnectés, donc changer l'un signifie également changer et recycler les autres réseaux.

Cependant, les auteurs écrivent qu’ANYmal « peut désormais évoluer dans des scènes complexes où il doit grimper et sauter par-dessus de grands obstacles tout en choisissant un chemin non trivial vers son emplacement cible ». Ainsi, « en cherchant à imiter l’agilité des coureurs libres, nous pouvons mieux comprendre les limites de chaque élément du chemin, de la perception à l’actionnement, contourner ces limitations et augmenter globalement les capacités de nos robots ».

Robotique, 2024. DOI : 10.1126/scirobotique.adi7566 (À propos des identifiants numériques).

Image de l'annonce de l'ETH Zurich / Nikita Rudin