Новый робот-велосипед прыгает, делает сальто и ездит на заднем колесе

Исследователи из Института робототехники и искусственного интеллекта (Robotics and AI Institute, RAI Institute) разработали Ultra Mobility Vehicle (UMV) — робота на основе велосипеда, предназначенного для сочетания быстрого передвижения на колесах с маневренностью шагающих машин.

«Робот массой 23,5 кг может развивать скорость до 8 м/с (18 миль/ч), удерживать равновесие на заднем колесе, подпрыгивать в сторону, ехать на заднем колесе и выполнять сальто вперёд. В его конструкции используются подвижная реакционная масса и обучение с подкреплением, что позволяет выполнять эти маневры всего с пятью активными степенями свободы (DoF), снижая механическую сложность по сравнению с обычными шагающими роботами», — сообщает Interesting Engineering.

UMV состоит из трёх основных структурных компонентов: головы, шеи и велосипедной рамы. В отличие от обычных велосипедов, в головной части сосредоточена большая часть его массы, в частности вычислительное оборудование, аккумуляторы и мощные приводы для прыжков. Пространственный механизм, соединяющий голову с велосипедной рамой, позволяет перемещать центр масс и изменять ориентацию во время движения.

Устройство велосипеда-робота

Механизм состоит из шейки и двух тяг, которые совместно управляют положением головы относительно велосипедной рамы. Два привода обеспечивают основное движение, а ещё одна пара работает через тяги, обеспечивая боковое перемещение. Эти механизмы помогают создавать силы, необходимые для работы для прыжков и поддержания равновесия при движении на одном колесе.

Еще два привода управляют рулем и приводом заднего колеса, обеспечивая обычное движение, подобное велосипедному. Вся система использует пять активных степеней свободы, что позволяет выполнять разнообразные динамические маневры без реактивных маховиков, подножек или других специальных механизмов статической стабилизации.

Акробатические маневры робота на основе ИИ

Исследователи использовали обучение с подкреплением (RL), чтобы научить UMV выполнять различные движения в симуляции, прежде чем перенести усвоенные алгоритмы управления физическим роботом. Для обучения использовались NVIDIA Isaac Laboratory и алгоритм Proximal Policy Optimization.

«В ходе обучения в симуляции изменялись такие параметры, как распределение массы, трение, мощность двигателей, задержки управления и шум датчиков. Такая рандомизация параметров среды должна была помочь выученным алгоритмам управления работать при различиях между моделируемыми и реальными условиями», — пишет Interesting Engineering.

Исследователи разработали четыре основных алгоритма управления: для движения, езды на заднем колесе, а также подпрыгивания, кувырков и прыжков. Эти алгоритмы управляют движениями суставов робота с помощью контроллеров нижнего уровня, использующих пропорционально-дифференциальное регулирование. Полученные навыки были перенесены на физического робота без дополнительного обучения.

«Робот может сохранять равновесие при движении вперёд или назад, разворачиваться на месте вокруг заднего колеса и удерживать неподвижное положение с минимальным смещением. Во время прыжков на заднем колесе он может двигаться в стороны в разных направлениях, преодолевая ограничения направления движения, присущие обычным колесным платформам», — добавляет Interesting Engineering.

В одном из экспериментов UMV самостоятельно подъехал к платформе высотой 1 м, вскочил на неё, проехал по поверхности и спрыгнул вниз. Он повторил эту последовательность 15 раз, продемонстрировав стабильность траекторий прыжка во время подъёма.

Также делает сальто

Робот также выполнял сальто вперёд, подпрыгивая и сгибая корпус в более компактную конфигурацию. Это уменьшает его момент инерции, позволяя вращаться быстрее. Во время маневра угловая скорость вращения вокруг оси тангажа достигала примерно 17 радиан в секунду, а робот завершал вращение и приземлялся менее чем за полсекунды.

UMV сочетает в себе велосипедную конструкцию с маневренностью шагающих роботов. Фото: RAI Institute

Исследователи тестировали систему в лаборатории, используя оборудование для захвата движения, чтобы улучшить оценку состояния робота. Дальнейшая работа будет сосредоточена на создании более надежного аппаратного обеспечения, усовершенствовании аккумуляторов и драйверов двигателей, а также внедрении бортовых датчиков, которые снизят зависимость от внешних систем слежения за движением. Команда видит потенциальные сферы применения робота в городской доставке и дальней разведке на сложной местности, где важны скорость, маневренность и способность преодолевать препятствия.