Человекоподобный робот Atlas от Boston Dynamics способен выполнять сложные задачи на производстве, складах и даже в домашних условиях.
Однако для этого ему необходимо не просто видеть окружающие объекты, но и понимать их геометрические и семантические свойства, такие как форма, расположение и контекст взаимодействия.
Инженеры компании поделились деталями о том, как работает гибкая и адаптивная система восприятия робота, позволяющая ему ориентироваться в динамичной среде.
От простого к сложному: как Atlas взаимодействует с объектами
На первый взгляд, задача поднять деталь и установить её в нужное место кажется элементарной, но для робота она распадается на множество этапов, каждый из которых требует точного анализа.
Первым делом Atlas должен обнаружить и идентифицировать объект.
Это осложняется тем, что многие детали на производстве имеют глянцевую поверхность или тёмный цвет, что создаёт трудности для камер робота.
Затем необходимо определить точное местоположение предмета — он может лежать на столе, находиться в узком контейнере или среди других объектов.
После этого робот решает, как схватить деталь, куда её переместить и каким образом доставить в нужную точку.
Критически важным аспектом является точность размещения объекта.
Даже небольшое отклонение в несколько сантиметров может привести к тому, что деталь будет установлена неправильно или упадёт.
Чтобы минимизировать ошибки, Atlas способен корректировать свои действия в реальном времени.
Например, если деталь выскользнула из захвата, робот может поднять её с пола, используя систему компьютерного зрения для повторного анализа ситуации.
Сложная экосистема восприятия: от сенсоров до искусственного интеллекта
Для выполнения таких задач Boston Dynamics оснастила Atlas передовой системой восприятия, включающей высокоточные сенсоры, алгоритмы машинного обучения, модули оценки состояния и другие технологии.
Всё начинается с анализа окружающего пространства — робот определяет, есть ли на его пути препятствия, и идентифицирует объекты вокруг.
Для этого используется система обнаружения, которая маркирует предметы с помощью идентификаторов, ограничительных рамок и точек интереса.
Например, при работе на автомобильном производстве Atlas сталкивается с различными стеллажами, на которых хранятся детали.
Поскольку стеллажи могут отличаться по форме и размеру, робот должен не только распознать их тип, но и точно определить их местоположение, чтобы избежать столкновений.
Для этого система выделяет ключевые точки — внешние (зелёные), обозначающие объекты, которые нужно обходить, и внутренние (красные), помогающие локализовать отдельные элементы, такие как полки или ящики.
Локализация и манипуляции: как Atlas ориентируется в пространстве
Прежде чем начать взаимодействие с объектами, робот определяет своё местоположение с помощью модуля локализации, который анализирует ключевые точки.
Система сопоставляет данные о внутренних и внешних точках интереса с заранее созданной картой пространства, что позволяет Atlas точно оценивать положение и ориентацию предметов.
Дополнительно используется кинематическая одометрия, которая отслеживает движения робота, повышая точность прогнозирования.
Важную роль играет система SuperTracker, объединяющая данные от камер, кинематику суставов и другие источники информации.
Это особенно полезно, когда объект частично скрыт или находится вне поля зрения.
Если же предмет виден камерам, Atlas задействует модель оценки положения, обученную на синтетических данных.
Она сравнивает изображение с CAD-моделью объекта, уточняя его положение и минимизируя расхождения между виртуальной и реальной сценой.
Будущее Atlas: единая модель восприятия и действий
Boston Dynamics продолжает совершенствовать Atlas, стремясь повысить его точность и адаптивность.
Одна из ключевых целей — создание единой базовой модели, в которой восприятие и действие будут неразрывно связаны.
Это позволит роботу действовать ещё более автономно и эффективно в самых разных условиях.
Уже сейчас Atlas демонстрирует впечатляющие результаты, но разработчики намерены выйти за рамки текущих возможностей, открывая новые горизонты для робототехники.