En algoritm hjälper robotar att falla säkert

Vid en stor robottävling som hölls i juni kämpade flera robotar för flera miljoner dollar för att utföra även enkla uppgifter som att klättra i en trappa; några störtade till och med med vad som verkade vara oklanderlig komisk timing . Men några av dessa underhållande pratfall resulterade i förödande skador på robotarnas instrument, motorer och andra komponenter.

En Atlas-robot som drivs av ett team från Institute for Human & Machine Cognition välter vid DARPA Robotics Challenge.

Lyckligtvis för sådana robotklutzes undersöker forskare sätt att göra det möjligt för robotar att falla mer graciöst och säkert. Arbetet kommer att bli viktigt eftersom robotar används i mer komplexa miljöer, och eftersom ingenjörer experimenterar med maskiner som rör sig på ben snarare än hjul.

Forskare vid Georgia Tech hämtade inspiration från hur människor bryter ett fall genom att sticka ut en arm eller ett ben på vägen ner. När du faller, försöker du skingra energi, säger Karen Liu , en professor i datavetenskap vid Georgia Tech som utförde arbetet med sin dåvarande doktorand Sehoon Ha, som nu arbetar på Disney Research Pittsburgh. Och varje gång du får kontakt med marken försvinner en del av den energin.

Liu och Ha tog fram en algoritm som låter en obalanserad robot komma på hur den ska förvränga sin kropp så att den träffar marken med mindre kraft. Algoritmen beräknar hur man skapar ett antal kontaktpunkter med marken för att skingra fallets fart.

Vid en konferens i Tyskland förra månaden beskrev Georgia Tech-paret att testa algoritmen med en liten humanoid robot som heter BioloidGP , och i simuleringar av en stor humanoid kallas Atlas . Den senare utvecklades av ett företag som heter Boston Dynamics , som är specialiserat på att tillverka avancerade benmaskiner och nu ägs av Google. Flera team som var involverade i juni-evenemanget använde Atlas-robotar. Vid evenemanget, kallat DARPA Robotics Challenge , telestyrda robotar tävlade för att utföra en rad uppgifter inklusive att köra en golfbil, öppna en serie dörrar och köra en borrmaskin.

DARPA-evenemanget var i första hand tänkt att simulera de problem som en robot skulle stöta på när den assisterade vid ett drabbat kärnkraftverk, men det lyfte också fram de återstående utmaningarna för robotar som syftar till att arbeta i nästan vilken normal mänsklig miljö som helst (se Varför robotar—och människor—kämpade med DARPA's Challenge ).

Matt DeDonato , som ledde ett team från Worchester Polytechnic Institute vid DARPA-evenemanget, säger att de flesta deltagare var mer fokuserade på att hålla sig upprätt än att träna på bättre sätt att falla, särskilt eftersom varje fall ådrog sig en rejäl tidsstraff. För att minimera skadorna skulle Atlas-roboten som drivs av hans team, i samarbete med forskare från CMU, stänga av dess ställdon och bli halt när den upptäckte ett fall. Men DeDonato, vars team lyckades hålla roboten upprätt under hela DARPA-evenemanget, säger att området måste utforskas när fler robotar kommersialiseras. Man kommer garanterat att ramla omkull ibland, säger han.

Marc Raibert, grundare av Boston Dynamics, nu en del av Google, och en pionjär inom benrobotik, säger att hans team började fundera på hur man skyddar en fallande robot samtidigt som de utvecklade en fyrbensmaskin som heter BigDog. Den första idén var att få lemmarna att gripa när ett fall upptäcktes. Det fick lemmarna att fungera som långa spakar som utövar stora krafter på lederna när lemmarna träffar marken, säger han. Vi bröt faktiskt några ben från roboten, så vi programmerade om BigDog att slappna av i lederna under ett fall. Alla robotar vi bygger nu gör något sådant när de upptäcker att de har tappat balansen.

Lui säger att hennes grupp också är intresserade av att ta fram sätt för robotar att undvika att skada människor om de ramlar omkull. Det kan handla om att balansera på ett sådant sätt att det är mer osannolikt att falla mot en person, säger hon.

Det tillvägagångssätt som har utvecklats hittills är dock begränsat av avkänningskapaciteten och beräkningskraften hos de flesta robotar. För sina experiment använde Georgia Tech-teamet en accelerometer i huvudet på den fysiska roboten såväl som externa motion-capture-kameror. Liu noterar att komplexiteten i att beräkna hur man bäst faller förklarar varför så många djur, inklusive människor, har ett nervsystem som reagerar automatiskt.

Det är därför vi har reflexer, säger Liu. Vi funderar på att bygga något som liknar ett nervsystem för robotar.

Dölj