يتقن الروبوت التضاريس من خلال تغييرات تشبه مشية الحيوانات

ملخص: يستخدم الباحثون التعلم المعزز العميق (DRL) لتكييف الروبوت لتغيير مشيته، وتقليد حركات الحيوانات، واجتياز التضاريس المعقدة بشكل فعال. تتحدى دراستهم المعتقدات السابقة بأن كفاءة الطاقة هي المحرك الرئيسي وتستكشف فكرة الموثوقية أو الوقاية من السقوط باعتبارها الدافع الأساسي لمثل هذه التغييرات في الأسلوب.

لا يعمل هذا النهج الجديد على تحسين قدرة الروبوت على التعامل مع التضاريس الصعبة فحسب، بل يوفر أيضًا رؤى أعمق حول حركة الحيوانات. تشير النتائج التي توصل إليها الفريق إلى أن إعطاء الأولوية للوقاية من السقوط يمكن أن يؤدي إلى حركة روبوتية وبيولوجية أكثر مرونة وكفاءة على الأسطح غير المستوية.

مفتاح الحقائق:

1. التكيف مع الأسلوب من أجل الأصالة: استخدم روبوت EPFL DRL لإجراء انتقالات المشي في المقام الأول من أجل الموثوقية، وتكييف استراتيجيات حركته بشكل فعال لتجنب السقوط عند التنقل في التضاريس التي بها فجوات.
2. إعادة تقييم كفاءة الطاقة: على عكس النظريات السابقة، وجدت الدراسة أن التحسينات في كفاءة استخدام الطاقة كانت نتيجة، وليس المحرك، للتغيرات السلوكية في البيئات الصعبة.
3. خفة الحركة الروبوتية المستوحاة من الحيوية: أظهرت الدراسة بنية تعليمية مدفوعة بيولوجيًا تسمح بتغييرات المشية التلقائية المستندة إلى التعلم، مما يوضح مرونة الروبوت المحسنة في التنقل عبر الفجوات المستمرة في التضاريس التجريبية.

مصدر: EPFL

بمساعدة شكل من أشكال التعلم الآلي يسمى التعلم المعزز العميق (DRL)، تعلم روبوت EPFL على وجه التحديد التحول من الخبب إلى الشوكة – وهي مشية القفز والانحناء التي تستخدمها الحيوانات مثل السبرينغبوك والغزلان – لمسافات تتراوح بين 14 و30 سم للتنقل. التضاريس الصعبة.

توفر الدراسة، التي أجراها مختبر BioRobotics في كلية الهندسة في EPFL، رؤى جديدة حول سبب وكيفية حدوث مثل هذه التغييرات في المشي لدى الحيوانات.

“لقد قدمت الأبحاث السابقة كفاءة استخدام الطاقة وتجنب إصابة العضلات والعظام كتفسيرين رئيسيين لتغيرات المشي. وفي الآونة الأخيرة، جادل علماء الأحياء بأن الاستقرار أكثر أهمية على التضاريس المسطحة.

يقول طالب الدكتوراه ميلاد شافي، المؤلف الأول لورقة بحثية منشورة: “لكن التجارب على الحيوانات والروبوتات تظهر أن هذه الفرضيات ليست صحيحة دائمًا، خاصة على الأراضي غير المستوية”. التواصل الطبيعي.

كان شافي والمؤلفون المشاركون غيوم بيليجاردا ورئيس مختبر BioRobotics Lab أوك إيجسبيرت مهتمين بفرضية جديدة حول سبب حدوث تغييرات في المشية: الموثوقية أو تجنب السقوط. ولاختبار هذه الفرضية، استخدموا DRL لتدريب روبوت رباعي الأرجل على اجتياز تضاريس مختلفة.

وعلى التضاريس المسطحة، وجدوا أن المشيات المختلفة أظهرت مستويات مختلفة من القوة ضد النبضات العشوائية، وأن الروبوت تحول من المشي إلى الهرولة للحفاظ على الحيوية.

عند مواجهة فجوات متتالية في سطح الاختبار، يتحول الروبوت تلقائيًا من الخبب إلى اللكم لتجنب السقوط. كما كانت الموثوقية هي العامل الوحيد الذي تم تحسينه من خلال مثل هذه التغييرات في الأسلوب.

يوضح شافي: “على التضاريس المسطحة والتضاريس المنفصلة الصعبة، أظهرنا أن الموثوقية تؤدي إلى ظهور تغييرات في المشي، لكن كفاءة الطاقة لا تتحسن بالضرورة”.

“قد تكون كفاءة الطاقة، التي كان يعتقد في السابق أنها المحرك لهذه التغييرات، إحدى النتائج. فعندما يتنقل حيوان ما في تضاريس صعبة، من المرجح أن تكون أولويته الأولى هي تجنب السقوط، تليها كفاءة استخدام الطاقة.

بنية تعليمية مستوحاة من الحيوية

لنمذجة التحكم في الحركة في الروبوت الخاص بهم، أخذ الباحثون في الاعتبار ثلاثة مكونات متفاعلة تدفع حركة الحيوان: الدماغ، والحبل الشوكي، والتغذية المرتدة الحسية من الجسم.

استخدموا DRL لتدريب شبكة عصبية لتقليد الحبل الشوكي الذي يرسل إشارات إلى الجسم أثناء اجتياز الروبوت لتضاريس الاختبار. بعد ذلك، قام الفريق بتعيين أوزان مختلفة لثلاثة أهداف تعليمية محتملة: كفاءة الطاقة، وتقليل الطاقة، والموثوقية.

وكشفت سلسلة من عمليات المحاكاة الحاسوبية أن الإخلاص وحده، من بين هذه الأهداف الثلاثة، هو الذي دفع الروبوت إلى تغيير مشيته تلقائياً – دون تعليمات من العلماء.

تمثل هذه الملاحظات أول إطار للحركة قائم على التعلم تظهر فيه تغيرات المشية تلقائيًا أثناء عملية التعلم، بالإضافة إلى الاجتياز الأكثر ديناميكية لمثل هذه المسافات الكبيرة المستمرة لروبوت رباعي الأرجل.

يقول شافي: “لقد أظهرت بنية التعلم المستوحاة من علم الأحياء لدينا مرونة روبوتية رباعية متطورة في التضاريس الصعبة”.

ويهدف الباحثون إلى توسيع عملهم من خلال تجارب إضافية تضع أنواعًا مختلفة من الروبوتات في مجموعة متنوعة من البيئات الصعبة.

ويأملون أن يؤدي عملهم إلى مزيد من التوضيح لحركة الحيوانات ويؤدي في النهاية إلى الاستخدام الواسع النطاق للروبوتات في الأبحاث البيولوجية وتقليل الاعتماد على النماذج الحيوانية والبروتوكولات المرتبطة بها.

حول أخبار أبحاث الروبوتات والذكاء الاصطناعي

مؤلف: سيليا لوترباكر
مصدر: EPFL
اتصال: سيليا لوترباكر – الدوري الإنجليزي الممتاز لكرة القدم
صورة: تُنسب الصورة إلى BioRob EPFL

البحث الأصلي: الوصول المفتوح.
“تؤدي الموثوقية إلى ظهور انتقالات المشية في تعلم الحركة الرباعية النشطة في التضاريس الصعبة“ميلاد شافي وآخرون. التواصل الطبيعي

ملخص

تؤدي الموثوقية إلى ظهور انتقالات المشية في تعلم الحركة الرباعية النشطة في التضاريس الصعبة

يمكن لذوات الأربع أن تنتقل بسلاسة بين المشيات المختلفة. على الرغم من أن كفاءة استخدام الطاقة تبدو أحد أسباب تغيير الأنماط، إلا أن العوامل المحددة الأخرى، بما في ذلك خصائص المناظر الطبيعية، قد تلعب أيضًا دورًا.

في هذه المقالة، تمثل الموثوقية، أي تجنب السقوط، معيارًا مهمًا لتعديلات المشية.

نحن نتحقق من أصول تغييرات المشية من خلال التفاعلات بين المحرك فوق الشوكة (الدماغ)، ومولد النمط المركزي في الحبل الشوكي، والجسم، والاستشعار الخارجي من خلال التعلم المعزز العميق وتعزيز أدوات الروبوتات.

بما يتوافق مع البيانات الحيوانية رباعية الأرجل، نظهر أن انتقال المشية الهرولة للروبوتات رباعية الأرجل على الأراضي المسطحة يحسن الموثوقية وكفاءة الطاقة.

علاوة على ذلك، قمنا بدراسة تأثيرات التضاريس المنفصلة (أي عبور فترات زمنية متواصلة) على فرض انتقالات المشية، ووجدنا أن انتقالات Trot-Pronc تبدو وكأنها تتجنب الحالات غير الممكنة.

الموثوقية هي العامل المحسن الوحيد بعد انتقالات المشية في التضاريس المسطحة والمنفصلة، ​​حيث قد يكون الإخلاص هو الهدف الأساسي والعالمي لانتقالات المشية، في حين أن المعايير الأخرى هي أهداف ثانوية و/أو نتيجة انتقالات المشية.

علاوة على ذلك، تُظهر تجاربنا خفة الحركة الحديثة للروبوت رباعي الأرجل في السيناريوهات الصعبة.