Les chercheurs utilisent une nouvelle approche pour apprendre au robot à naviguer sur les obstacles
Les chercheurs utilisent une nouvelle approche pour apprendre au robot à naviguer sur les obstacles

Les chercheurs utilisent une nouvelle approche pour apprendre au robot à naviguer sur les obstacles
De gauche à droite, Simar Kareer, Joanne Truong et Naoki Yokoyam travaillent ensemble au développement d'un robot quadrupède capable de franchir des obstacles. Crédit : Kevin Beasley/College of Computing, Georgia Institute of Technology

Les robots quadrupèdes peuvent être capables de franchir directement les obstacles sur leur chemin grâce aux efforts d'un trio de Georgia Tech Ph.D. étudiants.

En ce qui concerne la locomotion et la navigation robotiques, Naoki Yokoyama affirme que la plupart des robots à quatre pattes sont entraînés à reprendre pied si un obstacle les fait trébucher. Travaillant à un effort plus important pour développer un robot d'entretien ménager, Yokoyama et ses collaborateurs - Simar Kareer et Joanne Truong - ont entrepris d'entraîner leur robot à marcher sur l'encombrement qu'il pourrait rencontrer dans une maison.

"La principale motivation du projet est d'obtenir un contrôle de bas niveau sur les jambes du robot qui intègre également une entrée visuelle", a déclaré Yokoyama, titulaire d'un doctorat. étudiant au sein de l'école de génie électrique et informatique. "Nous avons imaginé un contrôleur qui pourrait être déployé dans un environnement intérieur avec beaucoup d'encombrement, comme des chaussures ou des jouets sur le sol d'une maison en désordre. Alors que les contrôleurs de locomotive aveugles ont tendance à être plus réactifs, s'ils marchent sur quelque chose, ils ' Je m'assurerai qu'ils ne tombent pas - nous voulions que le nôtre utilise une entrée visuelle pour éviter complètement de marcher sur l'obstacle. »

Pour atteindre leur objectif, les chercheurs ont adopté une nouvelle approche de formation consistant à fusionner une politique de navigation visuelle de haut niveau avec une politique de locomotion visuelle.

Dans un article conseillé par le professeur associé d'informatique interactive Dhruv Batra et le professeur adjoint Sehoon Ha, Kareer, Yokoyama et Truong montrent que leur approche à deux politiques simule avec succès la navigation robotique sur les obstacles.

Ils appellent leur approche ViNL (Visual Navigation and Locomotion), et jusqu'à présent, elle a guidé des robots à travers de nouveaux environnements encombrés simulés avec un taux de réussite de 72,6 %. L'équipe présentera son article, ViNL: Visual Navigation and Locomotion Over Obstacles, au Conférence internationale IEEE sur la robotique et l'automatisationqui se tient du 29 mai au 2 juin à Londres.

Les deux politiques sont sans modèle (le robot apprend par sa propre simulation et n'imite aucun modèle comportemental préexistant) et peuvent être combinées sans co-formation supplémentaire.

"Ce travail combine de manière unique des politiques de locomotion et de navigation distinctes d'une manière zéro coup", a déclaré Kareer, qui, avec Truong, est titulaire d'un doctorat. étudiant au sein de l'école d'informatique interactive. "Si nous proposons une politique de navigation améliorée, nous pouvons simplement prendre cela, ne faire aucun travail supplémentaire et le déployer sur notre robot. C'est une approche évolutive. Vous pouvez brancher et jouer ces choses avec très peu de réglages. C'est puissant."

La politique de navigation visuelle enseigne le robot à travers la motivation pour atteindre les objectifs. Il donne au robot un objectif de navigation d'un endroit à un autre en évitant tout obstacle. Le robot reçoit un score basé sur la réussite avec laquelle il accomplit sa tâche. S'il trébuche sur un obstacle, il est pénalisé.

"Nous lui avons donné un environnement qui avait très peu d'obstacles, puis un peu plus et un peu plus", a déclaré Kareer. "Cette approche graduelle est utile à son apprentissage. Lorsque vous le lancez simplement dans un environnement avec un million d'obstacles, il échoue beaucoup. Mais si vous lui montrez un ou deux obstacles et dites:" Essayez d'apprendre ceux-ci ", c'est beaucoup plus écurie."

La politique de locomotion enseigne au robot comment utiliser ses membres pour enjamber un objet, y compris à quelle hauteur il doit lever ses jambes.

Parce qu'un quadrupède du monde réel ne pourra voir que ce que voit sa caméra frontale, les obstacles disparaîtront de sa vue à mesure qu'il se rapprochera d'eux. L'équipe a tenu compte de cela en incorporant la mémoire et la conscience spatiale dans leur architecture de réseau pour apprendre au robot exactement quand et où franchir l'obstacle.

"Le robot a une riche compréhension de la position de tout son membre par rapport aux obstacles", a déclaré Kareer. "Quand vous le voyez marcher sur des obstacles, il ne s'agit pas seulement de poser le pied sur des endroits où il n'y a pas d'obstacles. Il s'agit de se rappeler où se trouvent tous les obstacles par rapport à son corps et de garder ses membres à l'écart jusqu'à ce qu'il les franchisse." ."

Et si un obstacle est trop grand pour être franchi, le robot peut également choisir de le contourner.

"Nous avons vu qu'il était très bon pour la navigation, et même dans les cas où il pourrait prendre un mauvais virage, il sait qu'il peut revenir en arrière et revenir d'où il vient", a déclaré Truong.

Enfin, le groupe a appris au robot spécifiquement quels types d'objets il devrait chercher à enjamber dans une maison, comme des jouets, et ceux qu'il devrait contourner, comme une chaise. Cela aide également le robot à savoir à quelle hauteur il devra lever ses jambes.

"Ce qui est important pour la navigation, c'est de pouvoir avoir l'expérience de la navigation dans des maisons du monde réel, nous formons donc notre politique de navigation avec des scans photo-réalistes d'appartements", a déclaré Truong. "Nous avons utilisé des scans de plus de 1 000 appartements pour la formation et évalué le robot dans des scénarios qu'il n'avait jamais vus auparavant. Nous l'avons déployé dans un nouvel environnement, afin que vous puissiez prendre un nouveau robot, le mettre dans une nouvelle maison, et il pourra le faire aussi."

Les chercheurs conviennent que leur article comporte de multiples facettes et a de nombreuses implications qui ne relèvent pas de son objectif, mais qui sont néanmoins importantes. Leur travail pourrait amener les robots à naviguer ouvertement à l'extérieur, en choisissant sélectivement des chemins en fonction de la préférence de l'utilisateur pour éviter les sols boueux ou rocheux.

"Normalement, la façon dont vous vous rendez du point A au point B importe beaucoup moins", a déclaré Truong. "Vous avez juste besoin de savoir que le point B est valide. Pour surmonter les obstacles, non seulement le point A et le point B doivent être valides, mais la façon dont vous vous rendez du point A au point B est également importante."

Plus d'information: ViNL : Navigation Visuelle et Locomotion sur Obstacles : www.joannetruong.com/projects/vinl.html

Fourni par Georgia Institute of Technology

Citation: Des chercheurs utilisent une nouvelle approche pour apprendre à un robot à naviguer par-dessus des obstacles (2023, 19 mai) récupéré le 20 mai 2023 sur

Ce document est soumis au droit d'auteur. En dehors de toute utilisation loyale à des fins d'étude ou de recherche privée, aucune partie ne peut être reproduite sans l'autorisation écrite. Le contenu est fourni seulement pour information.




Source

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Scroll to Top