四足歩行ロボットが二足歩行で階段を降りることを学びます。脚型システムより83%効率が高い

テスラと競争したロボットを覚えていますか?

これは、チューリッヒにあるスイス連邦工科大学のスピンオフ企業が開発した四足車輪ロボット「スイスマイル」です。会社名と同じ名前で、四足車輪ロボット「ANYmal」の前身です。

テスラと競合してから半年も経たないうちに、大幅なアップグレードが行われた。

このアップグレードにより、ロボットのアルゴリズムが改善され、移動能力が直接的に向上しました。

両足で立って階段を降りることができます。

（編集者の心の声：ローラースケートを履いて階段を降りたら、きっと顔から転んでしまうだろう）

階段を登るのは疲れましたか? エレベーターに乗って、前足でエレベーターのドアを開けましょう:

障害に簡単に立ち向かう：

また、いつ立ち上がるべきか、いつ「横たわるべき」かも分かっており、直立した二足歩行と四足歩行の切り替えもよりスムーズです。

AMPアルゴリズムが初めて実際のロボットに適用されました

Swiss-Mile は以前、モデル予測制御 (MPC) と強化学習 (RL) の手法を使用していましたが、望ましい動作パターンを実現するには面倒な調整が必要でした。

このアルゴリズムのアップグレードでは、研究者は、マルチ AMP (Adversarial Motion Priors) アルゴリズムを使用して従来の強化学習フレームワークを強化し、ヒューリスティックなしで複数のモーション プライアの模倣目標とモーション選択プロセスを自動的に実行できるようになりました。

AMP とは何でしょうか?

これは、カリフォルニア大学バークレー校と上海交通大学の研究者によって提案された、物理的なキャラクターアニメーションに基づく敵対的学習システムであり、Swiss-Mile がこの手法を初めて実際のロボットに適用しました。

一般的な模倣学習では、通常、追跡対象として模倣する必要のある大量のモーション クリップを手動で抽出する必要があります。AMP は、適切なアクション クリップを自動的に選択して、ターゲット タスクを達成できます。エラー メトリック、位相、モーション クリップの選択を識別器にアウトソーシングし、識別器はモーション データの戦略と状態遷移を区別することを学習します。

シミュレーションと展開のトレーニング

研究者らは、アイザック・ジム・シミュレーターを使用して、16 自由度のスイス・マイルにマルチ AMP フレームワークを展開し、4,000 台を超えるロボットが 42 分間で同時にスキルをトレーニングすることができました。

トレーニング環境は、次の 3 つのタスクで構成されます。

最初のタスクは四足歩行であり、モーション データは RL ポリシーによって記録されたモーションで構成されます。

2 番目のタスクは、回避スキルを使用してロボットがテーブルの下に隠れることを可能にすることです。スキルのモーション データは、軌道最適化パイプラインによって生成され、MPC コントローラーによって展開および追跡されます。

最後のタスクは、「立つ」と「四足歩行」の間の動作の遷移です。ロボットはデータ分離スキルを使用して後ろ足で立ち上がり、二本足で滑走し、最後に立ち上がったときと同じ動きで再び座ります。

最後に、Swiss-Mile は実際の環境に導入されました。研究者は、シミュレーションと現実のギャップを埋めるために脚関節のアクチュエータ モデルを使用し、起伏の多い地形でのトレーニングやランダムな干渉などを活用して堅牢性を向上させました。関節の速度がアクチュエータの限界を超えると、軌道が終了し、ロボットはその限界の安全な許容範囲を維持することを学習します。

四足歩行ロボットかヒューマノイドロボットか？脚ベースのシステムよりも 83% 効率的です。

Swiss-Mile は四足歩行ロボットであるだけでなく、ヒューマノイドロボットでもあります。

脚式システムと比較して、車輪式システムには多くの重要な利点があります。アルゴリズムが改善された後、ロボットは「ヒューマノイドロボット」の状態で直接立ち上がることができ、滑走、階段の昇降、下り坂などの難しい動作を実行できます。より速く、より効率的に移動でき、四足歩行よりもはるかに速く、脚式システムよりも効率が83％高くなります。

同社は将来、地図作成、点検、災害救助、都市環境での物流など、さまざまな用途に車輪付きロボットを商品化したいと考えています。

いつの日か、ロボットが上げている「前脚」を腕のように使って急送品を掴み、背中の貨物室に置き、その後四つん這いに戻ってできるだけ早く商品を玄関まで届ける姿を目にする日が来るかもしれません。​