2023-01-26 | 대전=박희윤 기자

KAIST“RAIBO”机器人在海滩上畅快奔跑

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

KAIST 26日表示,机械工程系黄宝帝民教授研究团队开发出可在沙地等易变形地形上敏捷、稳健行走的四足机器人控制技术。

黄宝教授研究团队对由沙等颗粒物质构成的地面上机器人行走体所受的力进行了建模,并开发出将其在四足机器人上进行仿真的技术。此外,还引入了无需先验信息即可自行适应各类地面并适合行走的人工神经网络结构,并应用于强化学习。

经过训练的神经网络控制器在海滨沙滩上实现高速移动,并在气垫床上完成旋转,证明了在变化地形中的稳健性,有望拓宽四足行走机器人的应用领域。

强化学习是一种在任意情境下收集各种行为所致结果的数据,并利用这些数据制造可执行任务机器的学习方法。由于所需数据量庞大,通过近似真实环境物理现象的仿真快速收集数据的方法被广泛采用。

尤其在行走机器人领域,基于学习的控制器通过仿真收集的数据完成训练后应用于真实环境,已成功实现在多种地形上的行走控制。

但当训练所用仿真环境与实际遇到的环境不同时,基于学习的控制器性能会急剧下降,因此在数据收集阶段实现与实际相似的环境十分重要。因此,要制造出能克服变形地形的基于学习的控制器,仿真器必须提供相似的接触体验。

研究团队基于既有研究揭示的考虑颗粒介质附加质量效应的地面反力模型,定义了从行走体运动力学预测接触所产生力的接触模型。

进而通过在每个时间步求解一个或多个接触中产生的力,高效地仿真了变形地形。

研究团队还通过使用分析机器人传感器时序数据的循环神经网络,引入了可隐式预测地面特性的人工神经网络结构。

完成训练的控制器被搭载于研究团队自主研制的机器人“RAIBO”上,在机器人足部完全没入沙中的海滨沙滩上展示了最高每秒3.03米的高速行走;在无需额外处理的情况下应用于草地、田径跑道、坚硬地面时,也能适应地面特性稳定行进。

此外,还在气垫床上稳定完成了1.54 rad/s(每秒约90°)的旋转,并克服了地形突然变软的环境,证明了快速适应能力。

研究团队通过与将地面视为刚体的控制器进行比较,揭示了在学习过程中提供合适接触体验的重要性,并证明所提出的循环神经网络会根据地面性质修改控制器的行走方式。

研究团队开发的仿真与学习方法论有望拓宽各类行走机器人可克服地形的范围,从而助力机器人执行实际任务。

本次研究由KAIST机械工程系博士生崔秀英作为第一作者参与,已发表于国际学术期刊《科学·机器人》1月第8卷第74期。

第一作者崔秀英研究员表示:“研究表明,向基于学习的控制器提供接近真实变形地面的接触体验,对于应用于变形地形是必不可少的。”他还说:“所提出的控制器无需地形先验信息即可使用,可与多种机器人行走研究相结合。”

阅读韩文原文