DribbleBot се научава да дриблира футболна топка при реалистични условия

Лабораторията за невероятен изкуствен интелект на Масачузетския технологичен институт разработи сръчна манипулация на топка с крак робот (DribbleBot), който може да дриблира футболна топка при реални условия, подобни на тези, с които се сблъсква човешки играч.

Роботизираният футбол (за някои футбол) съществува от средата на 90-те години на миналия век, въпреки че тези мачове обикновено са доста опростена версия на човешката игра. Въпреки това, да накарате робот да манипулира топка също е много привлекателна изследователска тема за роботиците.

Обикновено тези изследователски усилия са съсредоточени върху роботи с колела, които играят върху много плоска, равномерна повърхност, преследвайки топка, която позволява да се търкулне до спиране. За DribbleBot екипът използва четирикрак робот с две лещи тип рибешко око и вграден компютър с капацитет за обучение на невронни мрежи за проследяване на футболна топка с размер 3 върху зона, която има неравен терен на истинско игрище и включва пясък, кал и сняг. Това не само направи топката по-малко предсказуема, докато се търкаляше, но също така увеличи опасността от падане, от което 40-сантиметровият (16-инчов) висок робот трябваше да се съвземе и след това да извади топката като човешки играч.

Това може да изглежда просто в свят, в който роботите на Boston Dynamics редовно се показват да тичат по направена земя и да правят задни обръщания, но има голяма разлика в дрибъла. Ходещият робот може да разчита на външни визуални сензори и за да поддържа баланса си, той разчита на анализ на това колко добре краката му хващат земята. Топката, търкаляща се по неравен терен, е много по-сложна, тъй като реагира на малки фактори, които не влияят на дриблиращия, изисквайки от робота да открие сам уменията, необходими за контролиране на топката, докато и топката, и тя са в движение.

За да се ускори този процес, 4000 цифрови симулации на робота, включително включената динамика и как да се реагира на начина, по който се търкаля симулираната топка, бяха проведени паралелно в реално време. Когато роботът се научи да дриблира топката, той беше възнаграден с положително подкрепление и получи отрицателно подкрепление, ако направи грешка. Тези симулации позволиха стотици дни игра да бъдат компресирани само в няколко.

След това в реалния свят вградената камера, сензори и задвижващи механизми на робота му позволиха да приложи наученото дигитално и да усъвършенства тези умения спрямо по-сложната реалност.

MIT

„Ако се огледате днес, повечето роботи са на колела“, казва Пулкит Агравал, професор от MIT, главен изследовател на CSAIL и директор на Improbable AI Lab. „Но представете си, че има сценарий за бедствие, наводнение или земетресение, и ние искаме роботи да помагат на хората в процеса на търсене и спасяване. Имаме нужда от машините, за да преминем през терени, които не са равни, а роботите с колела могат да t пресичат тези пейзажи. Целият смисъл на изучаването на роботите с крака е да преминем на терени извън обсега на настоящите роботизирани системи. Нашата цел при разработването на алгоритми за роботи с крака е да осигурим автономност в предизвикателни и сложни терени, които в момента са извън обсега на роботизирани системи .”

Изследването ще бъде представено на 2023 Международна конференция на IEEE по роботика и автоматизация (ICRA) в Лондон, който започва на 29 май 2023 г.

Видеото по-долу обсъжда DribbleBot.

източник: MIT