Новая технология занимает важное место в создании подвижных и адаптивных agile-роботов, включая промышленные манипуляторы, курьерские системы, бытовые помощники и другие механизмы.
Специалисты МФТИ сокращают дистанцию между виртуальным и реальным в области робототехники. Разработанная ими инновационная система использует специализированный симулятор, который позволяет детально настроить цифровую модель робота. Этот виртуальный аналог, опираясь на реальные данные о движениях устройства, точно воспроизводит его поведение и эффективно подготавливает алгоритмы для работы в реальной среде.
После тренировок на откорректированной цифровой модели точность следования робота заданному маршруту значительно возросла. В ходе эксперимента перед роботом стояла задача двигаться вперед максимально долго. Устройство, прошедшее обучение на улучшенной модели, двигалось прямо уверенно, в то время как робот, подготовленный традиционными методами, отклонялся от маршрута.
Для успешного передвижения антропоморфного робота и предотвращения ошибок на маршруте ученым жизненно важно иметь точные характеристики устройства: вес конечностей, коэффициент демпфирования и величину трения в суставах. Эти данные особенно значимы при обучении с подкреплением, когда робот в виртуальном пространстве проводит эксперименты, выполняя задания и получая положительную обратную связь за успешные действия.
Используя дифференцируемый симулятор MuJoCo-XLA, отечественные ученые интегрировали этап автоматической калибровки виртуальной модели прямо в процесс обучения. Основываясь на поступающих данных о положении, скорости и управляющих командах, симулятор самостоятельно рассчитывает необходимые изменения массы, коэффициентов трения и моментов инерции, обеспечивая точное совпадение поведения цифрового двойника с поведением реального робота.
«Обычно для точного определения характеристик робота необходимо оснащать его множеством дорогих и неудобных датчиков. Наша модель использует только данные о положении, скорости частей робота и управляющих командах, которые передаются на его моторы. На их основе симулятор оптимизирует параметры и настраивает виртуальную копию робота. Это позволяет реальному роботу идеально повторять его сценарии», — поясняет Вячеслав Ковалев, аспирант МФТИ, программист лаборатории интеллектуальных технологий робототехники МФТИ.
Тестирование на двуногом роботе Mini π показало эффективность нового подхода: снижение отклонения составило 75%, а увеличение проходимого расстояния в нужном направлении достигло 46%.
Новая модель учитывает сложные нелинейные процессы, такие как трение внутри редукторов, оптимизация которых осуществляется с помощью нейронных сетей. Кроме повышения точности движений, это позволяет роботу значительно сократить энергозатраты, ранее затрачиваемые на коррекцию ошибок и нестабильность движения. Такой подход создает базу для разработки agile-роботов — быстрых, ловких устройств, обладающих плавностью перемещения и способностью быстро адаптироваться к изменениям окружающей среды.
Фото: hi-tech.mail.ru