Im Gegensatz zu bestehenden Robotern auf dem Markt, wie z. B. Spot von Boston Dynamics, der sich mithilfe interner Karten fortbewegt, verwendet dieser Roboter allein Kameras, um seine Bewegungen in freier Wildbahn zu steuern, sagt Ashish Kumar, ein Doktorand an der UC Berkeley, der einer der ist Autoren eines Artikels, der die Arbeit beschreibt; es soll nächsten Monat auf der Conference on Robot Learning vorgestellt werden. Andere Versuche, Hinweise von Kameras zu verwenden, um Roboterbewegungen zu steuern, waren auf flaches Gelände beschränkt, aber sie schafften es, ihren Roboter dazu zu bringen, Treppen hinaufzugehen, auf Steine zu klettern und über Lücken zu springen.
MIT FREUNDLICHER FREUNDLICHKEIT DER FORSCHER
Der vierbeinige Roboter wird zunächst darauf trainiert, sich in einem Simulator in verschiedenen Umgebungen zu bewegen, sodass er eine ungefähre Vorstellung davon hat, wie es ist, in einem Park zu gehen oder Treppen hoch und runter zu gehen. Wenn er in der realen Welt eingesetzt wird, leiten Bilder von einer einzelnen Kamera an der Vorderseite des Roboters seine Bewegung. Der Roboter lernt, seinen Gang anzupassen, um Dinge wie Treppen und unebenen Boden zu navigieren, indem er Verstärkungslernen verwendet, eine KI-Technik, die es Systemen ermöglicht, sich durch Versuch und Irrtum zu verbessern.
Durch den Wegfall der Notwendigkeit einer internen Karte wird der Roboter robuster, da er nicht mehr durch potenzielle Fehler in einer Karte eingeschränkt wird, sagt Deepak Pathak, Assistenzprofessor an der Carnegie Mellon, der Teil des Teams war.
Es ist extrem schwierig für einen Roboter, Rohpixel von einer Kamera in die Art von präzisen und ausgewogenen Bewegungen zu übersetzen, die zur Navigation in seiner Umgebung erforderlich sind, sagt Jie Tan, ein Forscher bei Google, der nicht an der Studie beteiligt war. Er sagt, dass die Arbeit das erste Mal ist, dass er einen kleinen und kostengünstigen Roboter sieht, der eine so beeindruckende Mobilität demonstriert.
Das Team hat einen „Durchbruch beim Lernen und der Autonomie von Robotern“ erzielt, sagt Guanya Shi, ein Forscher an der University of Washington, der sich mit maschinellem Lernen und Robotersteuerung befasst und ebenfalls nicht an der Forschung beteiligt war.
Akshara Rai, ein Forschungswissenschaftler bei Facebook AI Research, der an maschinellem Lernen und Robotik arbeitet und nicht an dieser Arbeit beteiligt war, stimmt zu.
„Diese Arbeit ist ein vielversprechender Schritt, um solche Roboter mit Wahrnehmungsvermögen zu bauen und sie in freier Wildbahn einzusetzen“, sagt Rai.
Obwohl die Arbeit des Teams hilfreich ist, um die Laufweise des Roboters zu verbessern, hilft es dem Roboter nicht, im Voraus herauszufinden, wohin er gehen soll, sagt Rai. „Navigation ist wichtig für den Einsatz von Robotern in der realen Welt“, sagt sie.
Es ist noch mehr Arbeit erforderlich, bevor der Roboterhund in Parks herumtänzeln oder Dinge im Haus holen kann. Während der Roboter die Tiefe durch seine Frontkamera verstehen kann, kann er Situationen wie rutschigem Boden oder hohem Gras nicht bewältigen, sagt Tan; es könnte in Pfützen treten oder im Schlamm stecken bleiben.