Humanoidni robot Unitree G1 usvojio nove vještine za bolje kretanje
S ovim frameworkom roboti se mogu kretati s ljudskom agilnošću, trčati, skakati i penjati se preko prepreka u urbanim ili prirodnim okruženjima. Računarski modeli frameworka izgrađeni su na snimcima parkoura, popularnog sporta koji zahtijeva od učesnika da koriste različite atletske vještine za kretanje u različitim okruženjima.
"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 parkoura. 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 susjeda 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.
Kontroleri 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 kontroler 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 korišten je humanoidni robot Unitree G1 kako bi se ocijenio utjecaj frameworka. Istraživači su validirali svoj framework na stvarnim aktivnostima, a humanoid je pokazao vrlo dinamične vještine parkoura nakon treninga korištenjem ovog frameworka.
“Validiramo naš okvir kroz opsežne eksperimente u stvarnom svijetu na humanoidnom robotu Unitree G1, demonstrirajući vrlo dinamične vještine parkoura kao što je penjanje na visoke prepreke do 1,25 m (96 posto 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. Kako je opisano u radu objavljenom na arXivu, framework može omogućiti brže i efikasnije postizanje željenih nivoa humanoidne lokomocije.