Добавить в корзинуПозвонить
Найти в Дзене
МФТИ — Физтех

Шагает ровно: как ученые МФТИ научили роботов не сбиваться с пути

Чтобы роботы будущего могли уверенно двигаться в нашем мире, их алгоритмы нужно долго и сложно тренировать. Решение этой задачи нашли ученые из МФТИ. Аспирант, программист лаборатории интеллектуальных технологий робототехники МФТИ Вячеслав Ковалев объяснил, как виртуальный «двойник» помогает реальному роботу идти четко по заданной траектории, не сбиваясь с пути. Виртуальный мир — не реальный. В симуляторе не учесть все нюансы: трение в суставах, точный вес конечностей или демпфирование. Из-за этого робот, отлично обученный в виртуальности, в реальном мире начинает шататься, сбиваться с курса и тратить лишнюю энергию на коррекцию ошибок. Ученые создали систему, которая заставляет виртуальную модель робота «стыковаться» с реальностью. В то время, как реальный робот делает несколько движений, специальный симулятор считывает данные о его положении, скорости и командах, подаваемых на моторы. Система сама настраивает виртуального «двойника»: подбирает массу, трение и инерцию так, чтобы его
Оглавление

Чтобы роботы будущего могли уверенно двигаться в нашем мире, их алгоритмы нужно долго и сложно тренировать. Решение этой задачи нашли ученые из МФТИ.

Аспирант, программист лаборатории интеллектуальных технологий робототехники МФТИ Вячеслав Ковалев объяснил, как виртуальный «двойник» помогает реальному роботу идти четко по заданной траектории, не сбиваясь с пути.

В чем сложность?

Виртуальный мир — не реальный. В симуляторе не учесть все нюансы: трение в суставах, точный вес конечностей или демпфирование. Из-за этого робот, отлично обученный в виртуальности, в реальном мире начинает шататься, сбиваться с курса и тратить лишнюю энергию на коррекцию ошибок.

Что придумали в МФТИ?

Ученые создали систему, которая заставляет виртуальную модель робота «стыковаться» с реальностью.

В то время, как реальный робот делает несколько движений, специальный симулятор считывает данные о его положении, скорости и командах, подаваемых на моторы.

Система сама настраивает виртуального «двойника»: подбирает массу, трение и инерцию так, чтобы его поведение в точности повторяло поведение реального робота. На этой уточненной, идеально подогнанной модели и обучаются алгоритмы, которые потом работают в реальном мире.

Обычно чтобы точно определить параметры робота, на него приходится вешать множество дорогих датчиков. Наша модель использует только базовые данные о положении, скорости и управляющих командах. На их основе симулятор оптимизирует параметры и настраивает виртуальную копию. Это позволяет реальному роботу идеально повторять отработанные сценарии

рассказал Вячеслав Ковалев.

И что в итоге?

-2

Эксперименты на двуногом роботе Mini π показали впечатляющие результаты:

1. Отклонение от курса уменьшилось на 75%

2. Пройденное по прямой расстояние увеличилось на 46%

Проще говоря, робот, обученный по новой методике, идет прямо и уверенно. А его «коллега», обученный стандартным способом, заметно петляет и сбивается.

Это открытие — большой шаг к созданию agile-роботов — маневренных, гибких и энергоэффективных машин, которые смогут работать курьерами, домашними помощниками и на производстве.

Что думаете о будущем таких технологий? Делитесь мнением в комментариях!

Нажмите сюда, чтобы узнать больше