De vierpotige robot ANYmal, ontwikkeld door onderzoekers van de ETH Zürich in Zwitserland, heeft geleerd elementen van parkour uit te voeren om obstakels te overwinnen. Tijdens het testen sprong de robot met succes over afgronden, klom op en neer over barrières en hurkte laag om eronderdoor te gaan.
Het ETH Zürich-team introduceerde ANYmal's originele benadering van versterkend leren in 2019 en verbeterde in 2022 het vermogen van de robot om beweging en locatie waar te nemen. In 2023 demonstreerde het team drie ANYmal-robots, getest in omstandigheden zo dicht mogelijk bij het maan- en Marsterrein. ETH Zürich gelooft dat dergelijke robots toekomstige Mars-rovers zullen helpen obstakels te vermijden. Elke robot was uitgerust met lidar, vooraf geconfigureerd om specifieke functies uit te voeren. Het hoofddoel van het Scout-model was bijvoorbeeld het in kaart brengen van de omgeving met behulp van RGB-camera's. Deze robot gebruikte ook een scanner om interessante gebieden en objecten in kaart te brengen met behulp van filters die verschillende delen van het lichtspectrum doorlieten. Tegelijkertijd werd het Scientist-model uitgerust met een robotarm met MIRA (instantane Raman-spectrometer) en MICRO (microscopische beeldscanner). Met het eerste hulpmiddel kunt u chemicaliën identificeren in materialen die zich op het oppervlak van het demonstratiegebied bevinden, waarbij u zich concentreert op de manier waarop ze licht verspreiden, en met het tweede hulpmiddel worden de beelden verzonden.
Nu besloten ze om ANYmal beter manoeuvreerbaar te maken. Parkour is behoorlijk complex in termen van robotica, omdat het vereist dat de robot “dynamische manoeuvres uitvoert op de grens van zijn mogelijkheden, terwijl hij de beweging van het lichaam en de ledematen nauwkeurig controleert.” Om te slagen moet ANYmal in staat zijn de omgeving aan te voelen en zich aan te passen aan snelle veranderingen, waarbij hij in realtime een mogelijk pad en een mogelijke volgorde van bewegingen kan kiezen uit een geprogrammeerde reeks vaardigheden.
De aanpak van het Zwitserse team combineert machinaal leren met modelgebaseerde controle. Ze verdeelden de taak in drie onderling verbonden componenten: een perceptiemodule die gegevens van ingebouwde camera's en lidar verwerkt om het terrein in te schatten; een bewegingsmodule met een geprogrammeerde catalogus van bewegingen om bepaald terrein te overwinnen; en een navigatiemodule, waarmee de bewegingsmodule kan kiezen welke vaardigheden hij moet gebruiken om door verschillende obstakels en terrein te navigeren met behulp van tussenliggende commando's.
Machine learning werd gebruikt om ANYmal met vallen en opstaan nieuwe vaardigheden aan te leren, waaronder het navigeren door obstakels en het leren klimmen en naar beneden springen. Dankzij de camera en het neurale netwerk van de robot kan hij op basis van voorafgaande training de beste manoeuvres selecteren. Er werd gebruik gemaakt van modelgebaseerde controle om ANYmal te leren de gaten tussen obstakels te herkennen en deze te overwinnen.
Als gevolg hiervan kon de robot van de ene doos naar de andere springen op een afstand van maximaal 1 m. Hij naderde de rand van de doos en groepeerde drie poten, waarbij de vierde werd verlengd. ANYmal kon ook naar beneden klimmen uit een kist van 1 meter hoog en weer naar boven klimmen.
Daarnaast testte het team het loopvermogen van ANYmal: de robot beklom met succes trappen, hellingen, willekeurige kleine obstakels, enz.
ANYmal heeft nog steeds zijn beperkingen als het gaat om het navigeren door de echte wereld. De auteurs merken bijvoorbeeld op dat ze de schaalbaarheid van hun aanpak zullen moeten testen op meer diverse en ongestructureerde scenario's met een breder scala aan obstakels. Deze aanpak vergt ook meer tijd om te verfijnen, omdat het om acht neurale netwerken gaat die afzonderlijk moeten worden geconfigureerd, en veranderingen in het ene vereisen een herscholing van de andere.
Ondertussen hebben onderzoekers van de Universiteit van Illinois in Urbana-Champaign, geïnspireerd door Star Wars-gevechtsdroids en ANYmal, een eenwielerrobot gemaakt, Ringbot, die balanceert met behulp van uitschuifbare poten.
bbabo.Net