Неважно, сколь продвинутыми являются системы навигации современной робототехники, но любые роботизированные механизмы на сегодняшний день практически не способны взаимодействовать с препятствиями на своем пути (речь идет именно об автономных механизмах, а не об управляемых человеком). Максимум из того, на что способна машина, — это попытаться обойти объект либо же «протаранить» его. Авось что получится. В случае неудачи робот просто теряется и либо начинает хаотично двигаться, либо тыкаться в разные стороны, словно слепой котёнок. Но совсем недавно группа учёных разработала алгоритмы, благодаря которым машины смогут самостоятельно расчищать препятствия при необходимости, освобождая себе дорогу.
На прошедшей недавно конференции IROS 2016 представитель проекта Google DeepMind Джонатан Шольц со своими коллегами представили робота Golem Krang, оснащенного системой навигации Navigation Among Movable Obstacle (NAMO) и алгоритмом Physics-Based Reinforcement Learning (PBRL). Для расчистки пути робот использует особые манипуляторы, а просчет возможности передвижения объекта выполняется на основе встроенного физического движка, который позволяет машине просчитать, как будет вести себя тот или иной объект в случае оказания на него небольшого физического воздействия. Если «первая попытка» увенчается успехом, робот приложит большие усилия для освобождения пути. В случае неудачи электронный мозг попытается разобраться, является ли попытка провальной, потому как физический объект невозможно сдвинуть в принципе или же ему что-то мешает. Во втором случае робот попытается устранить помеху, чтобы продолжить выполнение задачи. В качестве примера разработчики приводят «случай из жизни»: если человек пытается передвинуть стул, но ножка цепляется, скажем, за провод, то человек не бросает это дело, а освобождает ножку от провода и затем завершает действие.
Робот Golem Krang оснащен шестью камерами и несколькими манипуляторами, способными передвигать достаточно тяжелые объекты. «Внутри» записан набор особых алгоритмов и базовых правил взаимодействия с объектами и заданы определенные физические параметры. Ни один из физических объектов реального мира изначально не записан в память робота. Таким образом, машина сама собирает и систематизирует данные, накапливая опыт, который позволит в дальнейшем более эффективно работать в схожих условиях.
Для демонстрации технологии, разработчики выпустили демонстрационное видео, в котором можно увидеть робота Golem Krang за работой:
Комментарии (0)