광고
광고
광고
광고
광고
광고
광고
광고
광고
로고

[모든 장애물 탐색하는 저비용 로봇] 연구원 팀은 저가의 다리가 작은 로봇이 거의 모든 장애물이나 지형을 탐색할 수 있도록 하는 로봇 시스템을 설계했다. 로봇은 거의 그 높이에 가까운 계단을 오르내리거나 바위가 많고 미끄럽고 고르지 않고 가파르고 다양한 지형을 탐색할 수 있다. 그것은 또한 틈을 가로질러 걸을 수 있고, 바위를 스케일하고, 어둠 속에서 작동할 수 있다.

https://www.unite.ai/low-cost-robot-navigates-nearly-any-obstacle/

운영자 | 기사입력 2022/11/23 [00:00]

[모든 장애물 탐색하는 저비용 로봇] 연구원 팀은 저가의 다리가 작은 로봇이 거의 모든 장애물이나 지형을 탐색할 수 있도록 하는 로봇 시스템을 설계했다. 로봇은 거의 그 높이에 가까운 계단을 오르내리거나 바위가 많고 미끄럽고 고르지 않고 가파르고 다양한 지형을 탐색할 수 있다. 그것은 또한 틈을 가로질러 걸을 수 있고, 바위를 스케일하고, 어둠 속에서 작동할 수 있다.

https://www.unite.ai/low-cost-robot-navigates-nearly-any-obstacle/

운영자 | 입력 : 2022/11/23 [00:00]

이 시스템을 개발하는 프로젝트는 카네기 멜론 대학의 컴퓨터 과학 대학과 캘리포니아 대학 버클리의 연구원들이 수행했다.

 

새로운 기술로 소형 로봇의 역량 강화

Deepak Pathak Robotics Institute의 조교수이다.

 

Pathak "소형 로봇이 계단을 오르고 다양한 환경을 처리할 수 있도록 하는 것은 인명 구조와 수색 구조 작업에 유용한 로봇을 개발하는 데 매우 중요하다."고 말했다. "이 시스템은 많은 일상적인 작업을 수행할 수 있는 견고하고 적응 가능한 로봇을 만든다."

 

로봇은 공원의 고르지 않은 계단과 언덕에서 테스트되었으며, 디딤돌과 미끄러운 표면을 걷는 능력을 테스트했다. 그것은 또한 인간이 장애물을 뛰어넘는 것과 같은 계단을 오르는 임무를 맡았다. 로봇은 비전과 소형 온보드 컴퓨터를 사용하여 지형에 빠르게 적응하고 숙달하는 놀라운 능력을 달성한다.

 

로봇은 시뮬레이터에서 4,000개의 클론으로 훈련되었다. 이 클론들은 복잡한 지형을 걷고 등반하는 연습을 했으며 시뮬레이터의 속도로 로봇은 단 하루 만에 6년의 경험을 달성할 수 있었다.

 

훈련 중에 배운 운동 기술은 시뮬레이터에 의해 신경망에 저장되었으며 연구자들은 이를 실제 로봇에 복사했다. 이 혁신적인 접근 방식은 로봇의 움직임을 수작업으로 엔지니어링하지 않는다는 것을 의미했다.

 

오늘날의 많은 로봇 시스템은 주변 환경의 지도를 생성하는 카메라에 의존한다. 이 지도는 수행되기 전에 로봇의 움직임을 계획하는 데 사용된다. 그러나 이 프로세스는 매핑 단계에서 부정확하거나 잘못된 인식으로 인해 느리고 오류가 발생하기 쉽다. 이러한 부정확성은 계획 및 이동에 영향을 줄 수 있다.

 

매핑 및 계획은 높은 수준의 제어에 중점을 둔 시스템에 유용한 것으로 입증되었지만 걷기 또는 달리기와 같은 낮은 수준의 기술의 동적 요구 사항에 항상 최선은 아니다.

  

효율적이고 빠른 기동

 

새로 개발된 로봇 시스템은 매핑 및 계획 단계를 건너뛰고 비전 입력을 로봇 제어에 직접 라우팅한다. 이것은 기본적으로 로봇이 보고 그에 따라 움직인다는 것을 의미한다. 혁신적인 기술을 통해 로봇은 복잡한 지형에 매우 빠르고 효과적으로 반응할 수 있다.

 

로봇의 움직임은 머신러닝을 통해 훈련되어 로봇을 저비용으로 만든다. 테스트된 로봇은 시장에 나와 있는 다른 로봇보다 최소 25배 저렴했다. 팀에 따르면, 그들의 알고리즘은 저비용 로봇을 훨씬 더 접근하기 쉽게 만들 수 있다.

 

Ananye Agarwal SCS 박사이다. 머신러닝 학생이다.

 

Agarwal "이 시스템은 로봇 모터에 명령을 출력하기 위한 입력으로 신체의 시각과 피드백을 직접 사용한다."고 말했다. “이 기술을 사용하면 시스템이 실제 세계에서 매우 강력해질 수 있다. 계단에서 미끄러지면 회복될 수 있다. 미지의 환경에 들어가 적응할 수 있다고 말했다.

 

로봇 시스템은 자연에서 크게 영감을 받았다. 키가 1피트 미만인 로봇의 경우 계단이나 장애물의 높이를 조정하기 위해 인간이 높은 장애물을 넘을 때 사용하는 움직임을 채택하는 법을 배웠다. 이 시스템은 고관절 외전을 사용하여 사용 가능한 가장 진보된 다리가 있는 로봇 시스템에서도 어려운 장애물을 극복한다.

 

팀은 또한 영감을 얻기 위해 네 발 달린 동물을 바라보았다.

 

“네 발 달린 동물은 뒷다리가 앞다리를 따라갈 수 있는 기억력이 있다. 우리 시스템도 비슷한 방식으로 작동한다.”라고 Pathak이 말했다.

 

온보드 메모리는 뒷다리가 카메라가 본 것을 기억하여 장애물을 조종하는 데 도움이 된다.

 

Ashish Kumar는 박사이다. 버클리 학생이다.

 

Kumar "지도도 없고 계획도 없기 때문에 우리 시스템은 지형과 앞 다리를 이동한 방법을 기억하고 이를 뒷 다리로 변환하여 빠르고 완벽하게 수행한다."고 말한다.

 

새로운 연구는 다리가 있는 로봇을 둘러싼 주요 과제 중 일부를 해결하는 데 큰 역할을 할 수 있다. 가정에서 사용하는 데 도움이 될 수도 있다.

 

 
로봇, 머신러닝, 장애물 관련기사목록
PHOTO
1/6
광고
광고
광고
광고
광고
많이 본 기사
AGILab 뉴스 많이 본 기사
최신기사