Video
Sa ovim framework-om, roboti se mogu kretati sa ljudskom agilnošću, trčati, skakati i penjati se preko prepreka u urbanim ili prirodnim okruženjima.
Računarski modeli framework-a izgrađeni su na snimcima parkour-a, popularnog sporta koji zahtijeva od učesnika da koriste različite atletske vještine za kretanje u različitim okruženjima, prenosi Klix.
,,Nedavni napredak u humanoidnom kretanju omogućio je stabilno hodanje na različitim terenima, ali agilnost i prilagodljivost visoko dinamičnih ljudskih pokreta ostaje otvoreni izazov. Agilni parkour u složenim okruženjima zahtijeva ne samo robusnost niskog nivoa, već i ekspresivnost pokreta sličnu ljudskoj, kompoziciju vještina dugog horizonta i donošenje odluka vođeno percepcijom”, napisao je istraživački tim, ističući kako PHP framework unapređuje prethodni rad urađen u humanoidnom kretanju.
Istraživači su prikupili podatke učesnika u formi videa, koji izvode različite dinamičke pokrete tokom parkour-a. Kasnije su ovi pokreti razloženi na manje, odvojene pokrete, koji su se mogli kombinovati kako bi se dobio glatki niz.
,,Naš prvi pristup koristi motion matching, koji je formulisan kao pretraga najbližih ‘komšija’ u prostoru karakteristika, kako bi se retargetirani atomski ljudski pokreti sastavili u dugoročne kinematičke putanje. Ovaj framework omogućava fleksibilno sastavljanje i glatku tranziciju kompleksnih lanaca vještina, istovremeno zadržavajući eleganciju i fluidnost dinamičkih ljudskih pokreta”, napisali su istraživači.
Džojstici humanoidnog robota trenirani su na dinamičkim parkour pokretima izvučenim iz skupa podataka, koristeći reinforcement learning. Prvo su trenirani da izvršavaju specifične pokrete, a kasnije su objedinjeni u jedinstveni džojstik koji koristi vizuelne inpute za planiranje i koordinaciju sekvence akcija koje robot treba poduzeti kako bi efikasno savladao prepreke u svom okruženju.
,,Kombinacija percepcije i sastavljanja vještina omogućava autonomno, kontekstualno svjesno donošenje odluka. Koristeći samo ugrađeno mjerenje dubine i diskretne 2D komande brzine, robot bira da li da pređe preko, popne se na, preskoči ili se prevrne preko prepreka različitih geometrija i visina”, napisali su autori.
Za eksperimentalni trening korišćen je humanoidni robot Unitree G1 kako bi se ocijenio uticaj framework-a. Istraživači su validirali svoj framework na stvarnim aktivnostima, a humanoid je pokazao vrlo dinamične vještine parkour-a nakon treninga korištenjem ovog framework-a.
,,Validiramo naš okvir kroz opsežne eksperimente u stvarnom svijetu na humanoidnom robotu Unitree G1, demonstrirajući vrlo dinamične vještine parkour-a kao što je penjanje na visoke prepreke do 1,25 m (96 odsto visine robota), kao i dugoročno savladavanje više prepreka uz zatvorenu petlju prilagođavanja stvarnim promjenama prepreka u realnom vremenu. Uzbuđeni smo što objavljujemo PHP (Perceptive Humanoid Parkour), omogućavajući humanoidu da percipira svijet i odlučuje o pokretima u hodu, trčeći, preskačući, penjući se i adaptirajući se online”, napisali su autori.
Framework za učenje pojačanjem razvili su Zhen Wu, Xiaoyu Huang i drugi koautori studije.
Preporučeno
Kako je opisano u radu objavljenom na arXivu, framework može da omogući brže i efikasnije postizanje željenih nivoa humanoidne lokomocije.
