Kaip robotai mokosi vaikščioti ir bėgioti be žmogaus pagalbos? Nematoma treniruotė kompiuteriuose

Per pastarąjį dešimtmetį robotų judėjimas iš smalsumo zona pavirto rimta inžinerijos ir mokslo sritimi, kurioje sprendžiami labai praktiški uždaviniai. Šiandien keturkojai ir dvikoji robotai jau geba lipti laiptais, peršokti kliūtis ar laikytis pusiausvyros slysdami, o vis didesnę šuolį į priekį lemia ne detalės, o programinė „treniruotė“ kompiuteriuose.

Tai, kaip robotai mokosi vaikščioti ir bėgioti, iš esmės keičiasi: nuo griežtai rankomis rašytų instrukcijų pereinama prie DI valdomų modelių, kurie patys atranda efektyviausius judėjimo būdus. Nors iš šalies atrodo, kad robotas tiesiog juda, už kiekvieno žingsnio slypi tūkstančiai valandų skaičiavimų ir eksperimentų virtualioje erdvėje.

Mechanika: „kūnas“ be raumenų

Prieš kalbant apie mokymąsi, reikia suprasti patį roboto „kūną“. Dauguma judančių robotų turi standų karkasą, sąnarius ir elektrinius, hidraulinius ar pneumatinius variklius, kurie atlieka raumenų funkciją. Kiekvienas sąnarys turi jutiklius, matuojančius kampą, greitį ir kartais apkrovą, kad sistema žinotų, kur yra jo „galūnės“.

Robotui judėti neužtenka vien stiprių variklių, svarbu ir svorio pasiskirstymas, pusiausvyros centras, kojų ilgis ir atramos taškai. Neteisingai parinkta geometrija gali padaryti robotą labai nestabilų, net jei jo programinė dalis būtų tobula. Todėl inžinieriai pirmiausia kuria skaitmeninius modelius ir bando įvairias formų bei svorio kombinacijas.

Judėjimo valdymas: nuo lygties prie refleksų

Ankstyvieji mobilūs robotai buvo valdomi klasikine automatine valdymo teorija. Inžinieriai sudarydavo fizikos lygtis, aprašančias roboto kūno elgseną, ir pagal jas kurdavo valdiklius, kurie koreguoja variklių darbą taip, kad robotas išlaikytų pusiausvyrą ar laikytų tam tikrą trajektoriją.

Toks metodas veikia gerai, kai aplinka numatoma ir nereikia greitų netikėtų reakcijų, pavyzdžiui, gamykloje ant lygaus paviršiaus. Tačiau žengiant laiptais, einant per akmenis ar nelygią žolę, vien iš anksto sugalvotų lygties sprendimų nebepakanka. Būtent čia atsiranda mokymasis iš patirties ir DI metodai.

Stiprinamasis mokymasis: milijonai kritimų virtualiai

Dalis modernių robotų judėti mokomi vadinamuoju stiprinamuoju mokymusi. Vietoj to, kad žmogus aiškiai parašytų, kaip judinti kiekvieną sąnarį, jam pateikiamas tik tikslas: pavyzdžiui, nueiti kuo toliau nenukrentant arba įveikti trasą per kuo trumpesnį laiką. Tada modelis kompiuteryje bando įvairius veiksmus ir už sėkmingus žingsnius gauna „atlygį“.

Pradžioje virtualus robotas griūna praktiškai kas kelias milisekundes, nes jo veiksmai atsitiktiniai. Tačiau po milijonų bandymų sistema atranda derinius, kurie leidžia išlaikyti pusiausvyrą ir judėti vis greičiau bei stabiliau. Tokio tipo treniruotės kompiuteryje gali vykti pagreitintu laiku ir lygiagrečiai per daug serverių, todėl surenkama milžiniška patirties apimtis be jokios fizinės žalos tikram robotui.

Simuliacija ir realybė: kaip perkeliamas išmoktas „instinktas“

Kai judėjimo strategija išmokstama virtualioje aplinkoje, ją reikia perkelti į tikrą robotą. Praktikoje tai reiškia, kad DI modelio parametrai, apibrėžiantys, kaip reaguoti į kiekvieną jutiklių būseną, įkeliami į roboto kompiuterį. Tačiau čia iškyla problema: fizikos simuliacija niekada tiksliai neatitinka realaus pasaulio.

Pavyzdžiui, simuliacijoje paviršius gali būti visiškai lygus, trintis tiksliai žinoma, o tikrame kambaryje grindys šiek tiek slidžios, yra dulkių, mažyčių nelygumų. Norint sumažinti šį atotrūkį, treniruotėse vis dažniau naudojama vadinamoji atsitiktinumo įvairovė: simuliacijoje tyčia keičiamos masės, trinties, kliūčių formos, kad robotas išmoktų strategijas, atsparias netikslumams.

Jutikliai ir „smegenys“ ant roboto

Kuo daugiau informacijos gauna robotas, tuo lanksčiau gali prisitaikyti prie aplinkos. Dvikojiems ir keturkojiems robotams dažnai naudojamos kameros, gylio jutikliai ar lidarai, leidžiantys matyti reljefą kelių metrų atstumu. Sujungus šiuos duomenis, sistema gali iš anksto planuoti žingsnius ir išvengti pavojingų vietų.

Tačiau ne mažiau svarbi ir vietinė, labai greita reakcija. Kojų sąnariuose esantys jutikliai ir mažos valdymo kilpos reaguoja per milisekundes, koreguodamos jėgas slystant ar netikėtai užkliuvus. Galima sakyti, kad robotas turi „stuburo refleksus“, kurie veikia greičiau nei jo aukštesnio lygio planavimas kameros pagrindu.

Kodėl robotų judėjimas svarbus žmonėms?

Nors keturkojai robotai vis dar daugiausia demonstruojami laboratorijose ar parodose, jų galimi pritaikymai labai praktiški. Tokie įrenginiai galėtų saugiai patekti į žmonėms pavojingas zonas, pavyzdžiui, griuvėsius po žemės drebėjimo ar chemiškai užterštas patalpas, ir atlikti žvalgymą, atnešti įrangą ar net padėti evakuoti.

Geresnis vaikščiojančių robotų valdymas taip pat prisidės prie pagalbinių technologijų žmonėms. Tos pačios pusiausvyros ir judėjimo valdymo idėjos taikomos pažangiuose protezuose ar egzokeletuose, kurie padeda atgauti mobilumą po traumų. Kuo natūralesnis ir saugesnis roboto žingsnis, tuo lengviau žmogui juo pasitikėti.

Ateities kryptys: energija, minkšti robotai ir autonomija

Vienas didžiausių iššūkių, neatsiejamas nuo mokymosi vaikščioti, yra energijos vartojimas. Šiuo metu dauguma mobilių robotų išnaudoja daug energijos, todėl jų veikimo laikas su baterijomis gana trumpas. Kuriant mokymo metodus vis daugiau dėmesio skiriama ne tik stabilumui ar greičiui, bet ir žingsnio efektyvumui, kad būtų „išmokta“ judėti taupant energiją.

Kita kryptis yra minkšti robotai, kurių konstrukcijoje naudojamos lanksčios, deformuojamos medžiagos vietoj standžių sąnarių. Tokie korpusai gali geriau prisitaikyti prie kliūčių, sumažinti smūgius ir padaryti sąveiką su žmogumi saugesnę. Tačiau jų valdymas dar sudėtingesnis, todėl skaitmeninė treniruotė ir DI metodai čia tampa dar svarbesni.

Ilgainiui robotų savarankiškumas judant turėtų didėti. Tai reiškia ne tik gebėjimą išmokti vaikščioti ar bėgioti, bet ir priimti sprendimus, kur verta eiti, kokius kelius rinktis ir kaip vertinti riziką. Nors iki plačiai paplitusių namų pagalbininkų dar toli, dabartinės „nematomos“ treniruotės kompiuteriuose jau formuoja pagrindą robotams, kurie aplinkoje judės nebe tiksliai suprogramuoti, o išmokę iš savo pačių patirties.