脚付きロボットは、近年明らかに機敏になっていますが、依然としてトリッキーな地形に制限されたままです。 平らで固い表面用に最適化された 1 つのボットは、泥だらけのフィールドや砂浜、さらに言えば天井などの動的な領域用に特別に設計された別のボットほどうまく機能しない可能性があります. 韓国科学技術院 (KAIST) の研究者によって開発された新しい四足歩行ロボット制御技術は、AI 強化学習の助けを借りて、文字通りの物理的な障壁を打破しているようです。
強化学習では、物理的な試行に近い膨大な種類のシミュレーションが生成されるため、AI が意図した目標に向かって最適化するために必要なトレーニング時間が短縮されます。 KAIST の機械工学科の Jemin Hwangbo 教授が率いるチームは、事前情報なしでリアルタイムの地形評価を行うことができる新しい人工ニューラル ネットワークを作成し、その知識を 4 本足ロボット RaiBo にフィードバックしました。
ただし、この場合、KAIST の研究者は、砂などの変形地形をシミュレートするために、さまざまな媒体の地面反応と相互作用するロボットの物理的圧力に基づく新しい接触モデリングも定義しました。 この情報はすべて RaiBo の AI に送られ、本当に印象的な結果が得られました。
[Related: The newest robot dog can scale walls and ceilings.]
今月初めにジャーナルに掲載されたチームの研究によると、 サイエンス ロボティクス、彼らのドッグボットは、足が砂に完全に沈んだ状態で、毎秒約3メートルでビーチをジョギングする能力を示しました. RaiBo は、追加のプログラミングや制御アルゴリズムの微調整なしで、芝生のフィールドやランニング トラックを走ることもできます。
論文の筆頭著者である Suyoung Choi 氏は、「実際の変形する地面との密接な接触体験を備えた学習ベースのコントローラーを提供することが、変形する地形への適用に不可欠であることが示されています」と述べています。 声明で述べた.
新しく提案されたコントローラーは、地形に関する事前情報なしで使用できるため、ロボットをエアマットレスの上で優雅に移動させる方法など、将来の AI 歩行研究に簡単に適用でき、RaiBo も達成できると報告されています。