Humanoidrobotar lär sig att stå upp

Forskare vid University of Illinois Urbana-Champaign har skapat ett system som hjälper humanoidrobotar att stå upp oberoende efter att ha fallit.

Humanoidrobotar, designade med en mänsklig liknande struktur, blir mer kapabla att hantera verkliga uppgifter eftersom framsteg inom kontrollalgoritmer förbättrar deras hastighet och rörelsekomplexitet.De är emellertid benägna att snubbla eller kollidera med föremål eftersom de går och springer på två ben som människor.Till skillnad från människor, som lätt kan stå upp efter att ha fallit, kämpar dessa robotar ofta för att återhämta sig utan extern hjälp.

Forskare vid University of Illinois Urbana-Champaign har utvecklat en maskininlärningsram som gör det möjligt för humanoidrobotar att återhämta sig efter att ha fallit autonomt.Ramverket kan förbättra robotens autonomi och stödja deras bredare utplacering.

Forskningsteamet utvecklade ett ramverk som heter HumanUp, som använder förstärkningsinlärning (RL) för att hjälpa humanoidrobotar att stå upp på egen hand, oavsett deras fallande position.

Tidigare tillämpningar av humanoid rörelseinlärning har varit framgångsrika, men uppgiften att stå upp ger ytterligare utmaningar på grund av komplexa kontaktmönster.Modellering av kollisionsgeometri och hantering av glesa belöningar är exakt för effektiv återhämtning.En tvåfasstrategi används för att hantera dessa utmaningar efter en strukturerad läroplan.

HumanUp RL -ramverket fungerar i två steg.Det första steget identifierar effektiva lembanor som gör det möjligt för en robot att stå upp utan strikta begränsningar för rörelsens glatthet eller hastighet.

I det andra steget förfinar ramverket de första rörelserna och förvandlar dem till smidiga och kontrollerade rörelser som roboten kan utföra.Dessa rörelser förblir effektiva oavsett robotens position eller terrängen där den faller.

Forskarna testade HumanUp i simuleringar och verkliga inställningar med hjälp av Unitree G1 Humanoid Robot, som Unitree Robotics utvecklade.Deras resultat var lovande, vilket visade att roboten autonomt kunde återhämta sig från fall, oavsett dess position eller ytan under den.

Ramverket som utvecklats av teamet kan förfinas och anpassas för andra humanoidrobotar, vilket gjorde det möjligt för dem att återhämta sig autonomt efter att ha fallit.Detta framsteg kan förbättra robotfunktionerna och stödja deras bredare antagande i verkliga applikationer.