Cassie robot lär sig att hoppa, springa och hoppa
När Charles Rosen, A.I. pionjären som grundade SRI Internationals Artificial Intelligence Center, ombads komma på ett namn för världens första mobila robot för allmänna ändamål, tänkte han en stund och sa sedan: ”Jaha, det skakar som fan när det rör sig. Låt oss bara kalla det Shakey."
Innehåll
- Förutsäga framtiden
- Mindre, billigare, bättre
Vissa varianter av denna idé har genomsyrat mycket av modern robotiks historia. Robotar, antar vi ofta, är klumpiga maskiner med lika mycket grace som en ateists söndagslunch. Till och med science fiction-filmer har upprepade gånger föreställt robotar som otäcka skapelser som går med långsamma, hejdande steg.
Rekommenderade videor
Den idén stämmer helt enkelt inte längre med verkligheten.
Nyligen tog en grupp forskare från Dynamic Robotics Laboratory i Oregon State ett av universitetets Cassie robotar, ett par gående robotben som liknar de nedre extremiteterna på en struts, till en idrottsplats för att prova labbets senaste "bipedal gait"-algoritmer. Väl där hoppade, gick, galopperade och galopperade roboten och växlade sömlöst mellan varje typ av rörelse utan att behöva sakta ner. Det var en imponerande demonstration, och en som talar till smidigheten hos nuvarande benrobotar - speciellt när lite djupinlärningsbaserad träning är inblandad.
Relaterad
- Robotar utvecklades med stormsteg 2020. Det här var höjdpunkterna
- Japanska forskare använder djupinlärning A.I. för att få drivvedsrobotar i rörelse
- Rise of the Machines: Här är hur mycket robotar och A.I. framsteg under 2018
"Vanligtvis, när människor tillämpar djup förstärkningsinlärning på robotik, använder de belöningsfunktioner som går ut på att belöna det neurala nätverket för att nära efterlikna en referensbana." Jonah Siekmann, en av forskarna i projektet, berättade för Digital Trends. "Att samla den här referensbanan i första hand kan vara ganska svårt, och när du väl har en "löpning" referensbana, det är inte särskilt tydligt om du också kan använda det för att lära dig ett "hoppa"-beteende, eller till och med en "gå" beteende."
I OSU-arbetet skapade teamet ett belöningsparadigm som skrotade idén om referensbanor helt. Istället delar den upp bitar av tid i "faser", vilket straffar roboten för att ha en specifik fot på marken under en viss fas, samtidigt som den tillåter det vid andra punkter. Det neurala nätverket räknar sedan ut "allt det svåra" - såsom positionen lederna ska vara i, hur mycket vridmoment som ska appliceras vid varje led, hur förbli stabil och upprätt – för att skapa ett belöningsbaserat designparadigm som gör det enkelt för robotar som Cassie att lära sig nästan vilken tvåfoting som helst som finns i natur.
Förutsäga framtiden
Det är en imponerande bedrift, för att vara säker. Men det ger också en större fråga: Hur i hela friden blev robotar så smidiga? Även om det fortfarande inte råder brist på videor online visar robotar som kollapsar när saker går fel råder det heller ingen tvekan om att den övergripande vägen de är på är en som är på väg mot en imponerande jämn förflyttning. När idén om en robot galopperar som en ponny eller utför en bildperfekt atletisk rutin skulle ha varit långsökt även för en film. 2020 kommer robotar dit.
Att förutse dessa framsteg är dock inte lätt. Det finns ingen enkel observation av Moores lag-typ som gör det enkelt att kartlägga vägen som robotar tar från otympliga maskiner till smidiga operatörer.
Moores lag hänvisar till observationen som gjordes av Intels ingenjör Gordon Moore 1965 att, vartannat till vartannat år, kommer antalet komponenter som kan klämmas på en integrerad krets fördubblas. Även om det finns ett argument att framföra att vi kan nu nå gränserna av Moores lag, kan en forskare från, säg, 1991 realistiskt räkna ut, på baksidan av ett kuvert, var datorkapaciteten kan vara, när det gäller beräkningar, år 2021. Saker och ting är mer komplexa för robotar.
"Även om Moores lag förutspådde trenden i beräkningskraft häpnadsväckande bra, förutspådde en trenden hos robotar med ben är som att titta in i en kristallkula, säger Christian Gehring, teknikchef officer vid ANYbotics AG, ett schweiziskt företag som tillverkar benrobotar som redan används för uppgifter som självständigt inspektera offshore-energiplattformar, berättade för Digital Trends. "I huvudsak är robotar med ben i hög grad integrerade system som förlitar sig på många olika teknologier som energilagring, avkänning, agerande, datoranvändning, nätverk och intelligens."
Det är framsteg i denna sammanblandning av olika tekniker som arbetar tillsammans som gör dagens robotar så kraftfulla. Det är också det som gör dem svåra att förutse när det gäller färdplanen för framtida utveckling. För att bygga de typer av robotar som robotister skulle vilja, måste det ske framsteg i skapandet av små och lätta batterier, avkännings- och uppfattningsförmåga, mobilkommunikation och mer. Alla dessa kommer att behöva fungera tillsammans med framsteg inom områden som fördjupning av A.I. att skapa typer av maskiner som för alltid kommer att förvisa bilder av tråkiga science fiction-robotar som vi växte upp och tittade på TV.
Mindre, billigare, bättre
Den goda nyheten är att det händer. Medan Moores lag leder till framsteg på mjukvarusidan, viktiga hårdvarukomponenter är blir också mindre och billigare. Det är inte lika snyggt som Gordon Moores formulering, men det händer.
”Även med vår Atreus vetenskapsdemonstrator [robot] från sex eller åtta år sedan var effektförstärkarna för att driva våra motorer dessa tre-pundstenar; de var stora”, Jonathan Hurst, medgrundare av Agility Robotics, som byggde den tidigare nämnda Cassie-roboten, berättade för Digital Trends. "Sedan dess har vi fått dessa små, små förstärkare som har samma mängd ström, samma mängd spänning och ger oss mycket bra kontroll över vridmomentet från våra motorer. Och de är små - bara en tum gånger två tum gånger en halv tum höga eller något liknande. Vi har 10 av dem på Cassie. Det räcker. Du har en tegelsten på tre pund som är sex tum gånger fyra tum gånger fyra tum jämfört med kanske ett par uns som är en tum gånger två tum. Det gör stor skillnad med saker som kraftelektroniken.”
UW ECE Research Colloquium, 20 oktober 2020: Jonathan Hurst, Oregon State University
Hurst sa att han tror att robotar med ben fortfarande är i de tidiga stadierna av deras väg att bli allestädes närvarande teknologier som inte bara kan röra sig på ett naturalistiskt sätt som människor, utan fungerar sömlöst vid sidan av dem. Några av dessa utmaningar kommer att gå långt utöver söta (men extremt imponerande) demos som att få robotar att gå galopp som ponnyer. Men att bygga smartare maskiner som kan bemästra olika typer av rörelser och lita på att de fungerar i den verkliga världen är verkligen ett viktigt steg.
Det är ett steg (eller steg) som går robotar blir bättre och bättre hela tiden.
Redaktörens rekommendationer
- Exoskelett med autopilot: En titt på den nära framtiden för bärbar robotik
- Bra på StarCraft? DARPA vill träna militärrobotar med dina hjärnvågor
- MIT: s nya robot kan spela allas favoritblockstackningsspel, Jenga
- Undervattenshoppningsrobot visar fantastiska naturinspirerade hoppförmågor
- Mjuk robothand ger forskarna nytt grepp om livet på djupa havet
