De robot beheerst het terrein via dierachtige loopovergangen

samenvatting: De onderzoekers maakten gebruik van Deep Reinforcement Learning (DRL) om de robot in staat te stellen zijn looppatroon adaptief te veranderen en dierbewegingen zoals draf en galop na te bootsen, om effectief complex terrein te doorkruisen. Hun onderzoek onderzoekt het concept van overlevingsvermogen – of valpreventie – als een primaire drijfveer voor dergelijke loopovergangen, en daagt eerdere overtuigingen uit dat energie-efficiëntie de belangrijkste drijfveer is.

Deze nieuwe aanpak verbetert niet alleen het vermogen van de robot om met moeilijk terrein om te gaan, maar biedt ook dieper inzicht in de beweging van dieren. De bevindingen van het team suggereren dat prioriteit geven aan valpreventie kan leiden tot flexibelere en efficiëntere robot- en biologische bewegingen over oneffen oppervlakken.

Belangrijkste feiten:

1. Gang aanpassen om te overleven: De EPFL DRL-robot werd gebruikt om loopovergangen te leren, voornamelijk voor continuïteit, waarbij hij zijn bewegingsstrategieën effectief aanpaste om vallen te voorkomen bij het navigeren door terrein met gaten.
2. Herwaardering van de energie-efficiëntie: In tegenstelling tot eerdere theorieën bleek uit het onderzoek dat verbeteringen in de energie-efficiëntie eerder een gevolg dan een drijvende kracht zijn van loopovergangen in uitdagende omgevingen.
3. Bio-geïnspireerde robotbehendigheid: Het onderzoek demonstreerde een bio-geïnspireerde leerarchitectuur die leergestuurde spontane loopovergangen mogelijk maakte, waarmee geavanceerde robotachtige behendigheid werd gedemonstreerd bij het navigeren over opeenvolgende gaten in experimenteel terrein.

bron: EPFL

Met behulp van een vorm van machinaal leren genaamd Deep Reinforcement Learning (DRL), leerde de EPFL-robot specifiek de overgang van draf naar stap (een door een boog ondersteunde springgang die wordt gebruikt door dieren zoals springbokken en herten) om door moeilijk terrein te navigeren. met gaten van 14-30 cm.

De studie, uitgevoerd door het BioRobotics Laboratory van de faculteit Ingenieurswetenschappen van EPFL, biedt nieuwe inzichten in waarom en hoe dergelijke looptransformaties bij dieren optreden.

“Eerder onderzoek heeft energie-efficiëntie en het vermijden van letsels aan het bewegingsapparaat gepresenteerd als de belangrijkste verklaringen voor loopveranderingen. Recentelijk hebben biologen gezegd dat stabiliteit op vlak terrein belangrijker zou kunnen zijn.”

“Maar experimenten met dieren en robots hebben aangetoond dat deze hypothesen niet altijd kloppen, vooral niet op oneffen terrein”, zegt promovendus Milad Shafii, eerste auteur van een artikel gepubliceerd in Natuurcommunicatie.

Chaveille, co-auteurs Guillaume Bellegarda, en BioRobotics Lab-hoofd Auke Eijsbert waren geïnteresseerd in een nieuwe hypothese over waarom loopovergangen optreden: het vermogen om te blijven vallen of vallen te vermijden. Om deze hypothese te testen, gebruikten ze DRL om een ​​vierpotige robot te trainen om verschillende terreinen te doorkruisen.

Op vlak terrein ontdekten ze dat verschillende gangen verschillende niveaus van kracht vertoonden bij willekeurige duwtjes, en dat de robot overschakelde van lopen naar draven om de overlevingskansen te behouden, net zoals vierpotige dieren doen bij het accelereren.

Wanneer de robot opeenvolgende gaten in het experimentele oppervlak tegenkwam, schakelde hij automatisch over van draven naar rennen om vallen te voorkomen. Bovendien was de overlevingskansen de enige factor die door dergelijke loopovergangen werd verbeterd.

“We hebben laten zien dat op vlak terrein en moeilijk afzonderlijk terrein de overlevingskansen veranderingen in het looppatroon teweegbrengen, maar dat de energie-efficiëntie niet noodzakelijkerwijs verbetert”, legt Shafii uit.

“Het lijkt erop dat energie-efficiëntie, waarvan eerder werd gedacht dat het de drijvende kracht was achter dergelijke transformaties, eerder een uitkomst zou kunnen zijn. Wanneer een dier door moeilijk terrein navigeert, zal zijn eerste prioriteit waarschijnlijk niet vallen, gevolgd door energie-efficiëntie.”

Bio-geïnspireerde onderwijsarchitectuur

Om de bewegingscontrole in hun robot te modelleren, hielden de onderzoekers rekening met de drie op elkaar inwerkende elementen die de beweging van het dier aansturen: de hersenen, het ruggenmerg en sensorische feedback van het lichaam.

Ze gebruikten DRL om een ​​neuraal netwerk te trainen om de overdracht van hersensignalen van het ruggenmerg naar het lichaam na te bootsen terwijl de robot experimenteel terrein doorkruiste. Vervolgens kende het team verschillende gewichten toe aan drie potentiële leerdoelen: energie-efficiëntie, krachtvermindering en overlevingsvermogen.

Uit een reeks computersimulaties bleek dat van deze drie doelen overlevingsvermogen het enige doel was dat de robot ertoe bracht zijn gang automatisch te veranderen – zonder instructies van wetenschappers.

Het team benadrukt dat deze observaties het eerste op leren gebaseerde raamwerk van voortbeweging vertegenwoordigen, waarin loopovergangen automatisch ontstaan ​​tijdens het leerproces, evenals de meest dynamische kruising van zulke grote opeenvolgende hiaten voor een viervoeterrobot.

“Onze op het leven geïnspireerde leerarchitectuur demonstreerde de state-of-the-art op het gebied van quadcopter-mobiliteit op uitdagend terrein”, zegt Shafi.

De onderzoekers willen hun werk uitbreiden met aanvullende experimenten waarbij verschillende soorten robots in een breed scala aan uitdagende omgevingen worden geplaatst.

Naast het verder ophelderen van de voortbeweging van dieren hopen ze dat hun werk uiteindelijk een breder gebruik van robotica in biologisch onderzoek mogelijk zal maken, waardoor de afhankelijkheid van diermodellen en de ethische problemen die daarmee gepaard gaan, zullen afnemen.

Over robotica en onderzoeksnieuws over kunstmatige intelligentie

auteur: Celia Lauterbacher
bron: EPFL
communicatie: Celia Lauterbacher – EPFL
afbeelding: Afbeeldingscredits voor BioRob EPFL

Originele zoekopdracht: Vrije toegang.
“Overlevingsvermogen leidt tot loopovergangen bij het leren van behendige quadrupedale voortbeweging op moeilijk terrein“Door Milad Shafie et al. Natuurcommunicatie

een samenvatting

Overlevingsvermogen leidt tot loopovergangen bij het leren van behendige quadrupedale voortbeweging op moeilijk terrein

Vierpotige dieren kunnen soepel overschakelen tussen hun verschillende gangen. Hoewel energie-efficiëntie één reden lijkt te zijn voor de verandering in het looppatroon, spelen andere bepalende factoren waarschijnlijk ook een rol, waaronder terreinkenmerken.

In dit artikel stellen we voor dat overlevingsvermogen, dat wil zeggen het vermijden van vallen, een belangrijk criterium is voor loopovergangen.

We onderzoeken de opkomst van looptransformaties door de interactie tussen de supraspinale motor (hersenen), de centrale patroongenerator in het ruggenmerg, het lichaam en externe waarneming door gebruik te maken van diepgaand leren en robotica-instrumenten.

In overeenstemming met gegevens over viervoeters laten we zien dat de drafoverbrenging van viervoetige robots op vlak terrein zowel de vitaliteit als de energie-efficiëntie verbetert.

Verder bestuderen we de effecten van discreet terrein (dat wil zeggen het oversteken van opeenvolgende gaten) op het afdwingen van loopovergangen, en vinden we de opkomst van drafovergangen om niet-levensvatbare situaties te vermijden.

Overlevingsvermogen is de enige verbeterende factor na loopovergangen op zowel vlak als discreet gap-terrein, wat suggereert dat overlevingsvermogen een primair en universeel doel zou kunnen zijn voor loopovergangen, terwijl andere criteria secundaire doelen zijn en/of een gevolg van het vermogen om te blijven.

Bovendien demonstreren onze experimenten de behendigheid van de ultramoderne vierpotige robot in uitdagende scenario's.