새로운 알고리즘 개발

이 알고리즘은 특히 재해 지역 및 건설 현장과 같은 거친 지형에서 균형을 유지하기 위해 팔 모양의 부속물을 사용하는 로봇을 대상으로 했다.

Dmitry Berenson은 Robotics Institute의 전기 및 컴퓨터 공학 부교수이자 핵심 교수이다.

Berenson은 "붕괴된 건물이나 매우 거친 지형에서는 로봇이 항상 스스로 균형을 잡고 앞으로 나아갈 수 있는 것은 아니다."고 말했다. “양발과 손을 어디에 둘 것인지 알아내려면 새로운 알고리즘이 필요합니다. 안정성을 유지하려면 이 모든 팔다리를 함께 조정해야 하며, 결론은 매우 어려운 문제이다.”

새로운 연구는 로봇이 최적의 경로를 계산하기 전에 지형이 얼마나 어려운지 판단하는 데 도움이 된다.

Yu-Chi Lin은 Neuro Inc.에서 최근 로봇 박사 학위를 취득했으며 소프트웨어 엔지니어이다.

"먼저 우리는 머신러닝을 사용하여 로봇이 손과 발을 배치하여 균형을 유지하고 발전할 수 있는 다양한 방법을 훈련했다."라고 Lin이 말했다. "그런 다음 로봇은 새롭고 복잡한 환경에 배치될 때 학습한 내용을 사용하여 경로가 얼마나 통과 가능한지 결정하여 목표에 대한 경로를 훨씬 빠르게 찾을 수 있다."

새롭고 개선된 방법에도 불구하고 전통적인 계획 알고리즘을 사용하면서 성공적인 장거리 경로를 계획하는 데는 여전히 오랜 시간이 걸린다.

Berenson은 "긴 경로를 통해 모든 손과 발 위치를 찾으려고 한다면 매우 오랜 시간이 걸릴 것이다."고 말했다.

분할 및 정복

이 문제를 해결하기 위해 팀은 "분할 정복" 접근 방식에 의존했다. 그들은 경로를 통과하기 힘든 부분과 통과하기 쉬운 부분으로 나눈다. 전자의 경우 로봇이 학습 기반 방법을 적용하고 후자의 경우 더 간단한 경로 계획을 사용한다.

Lin은 "간단하게 들리지만 해당 문제를 올바르게 분할하는 방법과 각 세그먼트에 사용할 계획 방법을 아는 것은 정말 어렵다."고 말했다.

이를 위해 연구원들은 로봇보다 앞서 정찰하는 드론을 비행하여 얻을 수 있는 전체 환경의 기하학적 모델이 필요하다.

팀은 잔해의 복도에서 휴머노이드 로봇으로 가상 실험을 만들었으며 결과는 팀의 방법이 성공 및 총 계획 시간에서 이전 방법을 능가하는 것으로 나타났다. 이것은 재해 시나리오에서 중요하다.

50번의 시도 중 팀의 방법은 기본 경로 계획자의 26%와 비교하여 84%의 시간이 목표에 도달했다. 기본 경로 플래너의 경우 3분이 넘게 걸리는 데 비해 계획하는 데 2분이 조금 넘었다.

이 외에도 팀은 몸통과 두 개의 팔이 있는 바퀴 달린 로봇을 사용하여 실제 세계에서 그들의 방법이 어떻게 작동하는지 시연했다. 로봇의 바닥은 가파른 경사로에 놓였고 고르지 않은 표면이 움직일 때 "손"을 사용하여 스스로를 지탱했다. 팀의 방법을 통해 로봇은 기본 경로 플래너를 사용하는 경우 3.5초가 조금 넘는 데 비해 10분의 1초 이상 만에 경로를 계획할 수 있었다.

팀은 이제 인간과 동물의 자연스러운 움직임과 유사한 역동적이고 안정적인 모션을 통합하는 방법을 모색할 것이다. 이렇게 하면 로봇이 지속적으로 균형을 유지할 필요가 없기 때문에 로봇의 이동 속도가 향상된다.