Robotų evoliucija inžinierių laboratorijose yra itin sparti – mokomasi efektyviai judėti vis didesnėje aplinkų įvairovėje. Per kelis artimiausius metus turėtume išvysti robotus, kurie galėtų atlikti namų ruošos darbus, pagelbėti pagyvenusiems žmonėms ir dirbtų petys į petį su žmonėmis gamyklose bei biuruose, rašo medium.com.
Tačiau robotams taip plintant neišvengiamas faktas bus jų gedimai. Kas tada?
Sorbonos universiteto (Prancūzija) mokslininkas Antoine'as Cully su keliais kolegomis sukūrė metodą, padedantį sugedusiems robotams išmokti vaikščioti praėjus vos kelioms sekundėms nuo pažeidimo. Inžinieriai tikina, jog jų darbas bus labai svarbus ateities robotų patikimumui ir ištvermingumui užtikrinti, o taip pat pat gali suteikti informacijos apie tai, kaip prie traumų adaptuojasi gyvūnai.
Pradžiai – šiek tiek informacijos apie pačią problemą. Iš naujo išmokti vaikščioti, kuomet pažeidžiama koja – labai sudėtingas uždavinys. Taip yra dėl to, jog parametrų, vertinamų ėjimo metu, kiekis yra milžiniškas: svarbus kampas, kuriuo lenkiasi kiekviena koja, sąnario pozicija kiekvieną laiko akimirką, sąnario pagreitis, laikas, kurį koja praleidžia liesdama žemę, jėgos kiekis, generuojamas kiekvienos pavaros, dalyvaujančios judėjime ir panašiai.
O tai reiškia, kad naujos efektyvios ėjimui reikalingos parametrų grupės suformavimas reikalauja išfiltruoti milžinišką galimybių rinkinį. Tai yra ilgai trunkantis procesas, nes iš esmės vienintelis kiekvieno parametrų rinkinio tinkamumo patikrinimas yra jo išbandymas praktikoje.
Kitaip tariant, lūžus vienai kojai naujos eisenos ieškoma pasirinkus tam tikrą parametrų rinkinį ir išbandant jo efektyvumą. Po to bandomas tas pats rinkinys, nežymiai pakeitus vieną parametrą, trečio bandymo metu tas parametras keičiamas daugiau, po kurio laiko pereinama prie antro parametro keitimo ir taip toliau – tai yra milžiniškas bandymų kiekis.
A. Cully suprato, jog lūžį kompensuojančios eisenos atrinkimas bandymų ir klaidų metodu, kuomet parametrų kiekis yra didžiulis, nėra tinkamas, todėl jis pabandė sumažinti tų parametrų erdvę. Inžinieriai pabandė ne išbandyti visus eisenos variantus po pažeidimo, o didelė skaičiavimų ir bandymų dalį atlikti iš anksto. Tuomet gauti rezultatai buvo panaudoti siekiant sumažinti keistinų parametrų erdvę.
Tai reiškia, kad roboto daliai sugedus jis gali santykinai greitai atsirinkti, kuri nauja eisena yra tinkamiausia. Ir tai smarkiai pagreitina išmokimo vaikščioti iš naujo procesą.
Savo teoriją mokslininkai išbandė su šešiakoju robotu – heksapodu. To roboto kojose yra 18 variklių. O tai reiškia, jog jo eisena priklauso nuo 36 skirtingų parametrų, kurie nusako tokius dalykus, kaip kiekvieno variklio judesio amplitudė, fazių pokyčiai tarp jų, kiekvieno sąnario darbo ciklas ir panašiai.
Šešiakojo roboto kūne taip pat įmontuotas kompiuteris ir erdvinė kamera, vertinanti ėjimo greitį. Roboto tikslas – eiti kuo greičiau.
Prieš paleidžiant robotą pasilakstyti, A. Cully turėjo apskaičiuoti maždaug 13 000 skirtingų eisenų elgsenos repertuarą. Tačiau tos elgsenos vertinamos nebuvo, taigi, robotas iš anksto nežinojo, kiek kiekviena iš tų eisenų tinkama nutikus vienam ar kitam gedimui. Vertinimas prasideda tik po to, kai robotas jau sugenda.
Atlikus visus skaičiavimus, A. Cully su kolegomis parametrų kiekį sumažino vertindami tik laiką, kurį kiekviena koja praleidžia liesdama žemę. Tai smarkai supaprastina uždavinį atsirenkant naujas potencialias eisenas, kuomet viena koja prarandama.
Dėl to iš tiesų praradus koją robotas naują eiseną pasirenka iš tos rinkinio dalies, kuri minimizuoja pažeistosios kojos kontaktą su žeme. Ir išmatuojama, kaip greitai galima vaikščioti taikant naują eiseną.
Ta informacija pasinaudojama renkantis kitą eiseną, išmatuojamas naujas ėjimo greitis ir duomenys įtraukiami į modelį. Po keleto bandymų galima išsirinkti pačią tinkamiausią eiseną įvykus „traumai“.
A. Cully roboto ėjimo savybes iš pradžių tyrė taikant standartinę besikeičiančio trikojo eiseną (kuomet kiekvieno žingsnio metu žemę liečia vis kita kojų trijulė). Tai – etaloninė eisena, su kuria buvo lyginamos visos naujos „potrauminės“ eisenos.
Gauti rezultatai – įspūdingi: „Kai robotas sveikas, galima atsirinkti eiseną, kurią taikant greitis būna 30 proc. didesnis nei etaloninės eisenos“, - sakė inžinierių grupės vadovas.
Bet dar įspūdingiau aparatas elgiasi kuomet viena koja traumuojama. Inžinierių teigimu, naujos kompensacinės eisenos yra iki septynių kartų efektyvesnės už etaloninę eiseną tai konkrečiai pažeidimo būsenai. Ne mažiau svarbu tai, kad naują optimalią eiseną po pažeidimo robotas atranda greičiau nei per dvi minutes, o dažniausiai – vos per kelias sekundes.
Kai kurios iš roboto atsirinktų eisenų yra visiškai netikėtos: daugeliu atveju naudojami dinamiški judesiai, kurių metu robotas pirmyn juda šokčiodamas. Vienu atveju robotas netgi vengė visų kojų naudojimo – apsivertė ant nugaros ir pirmyn stūmėsi savo „pečiais“.
Tai – įspūdingas inžinerinis darbas, kuris gali turėti nemenką įtaką vaikščiojančių robotų patikimumui. „Naujieji metodai suteiks galimybę kurti patvaresnius, efektyvesnius autonominius robotus“, - sako inžinieriai.
Be to, inžinieriai tikisi, jog jų tyrimas padės gauti daugiau informacijos ir apie tai, kaip prie traumų adaptuojasi gyvūnai. Be abejo, gyvūnai nenaudoja sudėtingų kompiuterinių algoritmų, kuriuos naudojo mokslininkai, tačiau tarp naujos eisenos pasirinkimo ir vienu, ir kitu atveju esama tam tikrų panašumų. Robotas, kaip ir gyvūnai, neturi iš anksto numatytos strategijos kaip elgtis kiekvieno įmanomo sužeidimo atveju, bet traumai įvykus pasinaudoja intuicija vertindamas, kaip jo kūnas veikia pasikeitus sąlygoms – pagal tai ir atsirenkama nauja eisena. „Be to, lygiai kaip ir gyvūnų atveju, bandymų ir klaidų metodas padeda greitai identifikuoti tinkamą eiseną atlikus minimalų skirtingų bandymų kiekį“, - sakė A. Cully.
Susidomėjusieji šiuo darbu plačiau gali paskaityti čia.
