스위스 Robotic Systems Lab의 로봇 엔지니어 팀은 현재 4족 로봇 제어 시스템의 장점을 결합하여 4족 로봇이 거친 지형에서 더 나은 보행 능력을 제공하는 하이브리드 제어 아키텍처를 개발했습니다.

그들의프로젝트,보고됨일지에서과학 로봇, 그룹은 네 발의 민첩성을 향상시키기 위해 현재 사용되는 두 가지 기술의 일부를 결합했습니다.

연구팀이 지적한 바와 같이, 네발 달린 로봇이 걸어 다닐 수 있도록 로봇 제조업체가 현재 사용하는 두 가지 주요 방법이 있습니다.거친 지형.첫 번째는 역동역학을 이용한 궤적 최적화라고 합니다.두 번째는 시뮬레이션 기반 강화 학습을 사용합니다.

첫 번째 접근 방식은 모델 기반이며 로봇이 학습하여 계획 능력을 얻을 수 있도록 하는 등 다양한 이점을 제공하지만 학습된 내용과 실제 조건 간의 불일치로 인해 어려움을 겪기도 합니다.

두 번째 접근 방식은 특히 회복 기술과 관련하여 강력하지만 "안전한" 발판이 거의 없는 조건과 같이 더욱 어려운 환경에서 보상을 적용하는 데는 약합니다.

이 새로운 연구를 위해 연구팀은 다른 접근 방식에서 직면한 일부 문제를 극복하는 동시에 잘 작동하는 기능을 구현하려고 시도했습니다.그 결과가 바로 연구팀이 Deep Tracking Control이라고 부르는 파이프라인(제어 프레임워크)이며, 이를 ANYMal이라고 부르는 로봇에 구현한 것입니다.

연구자들은 다양한 파트너와 수년 동안 자신의 아이디어를 연구해 왔습니다.2019년에예를 들어, 그들은 지능형 시스템 연구소(Intelligent Systems Lab)와 협력하여 기계 학습 기술을 사용하여 개와 같은 로봇을 더욱 민첩하고 빠르게 만드는 방법을 찾았습니다.그리고2년 전, 그들은 로봇에게 하이킹을 배우도록 가르치는 과정에 있었습니다.

DTC 개발은 매개변수 식별 및 불확실성 추정, 소프트웨어 역학 모델링을 위한 액추에이터 네트워크 교육, 생성된 모델을 사용하여 정책 제어, 물리적 시스템에 배포의 4단계 프로세스로 이루어졌습니다.물리적 구현의 일환으로 DTC는 76,000평방미터에 달하는 면적에 걸쳐 다양한 지형 요소를 다루는 4,000개의 가상 로봇 시뮬레이션 데이터로 교육을 받았습니다.

ANYMal의 테스트에서는 보강재를 사용하여 궤적을 최적화하는 능력을 통해 다양한 지형 조건에서 다리의 위치를 ​​더 잘 잡을 수 있었고, 결과적으로 사용 가능한 최상의 발판을 찾을 수 있음이 나타났습니다.또한 더 나은 추락 회복도 가능했습니다.이러한 기능을 함께 사용하면기계 인간다른 로봇보다 실패율이 적고 어려운 지형을 횡단할 수 있습니다.

© 2024 사이언스 X 네트워크