通過障礙考驗!MIT 的「迷你獵豹」,透過學習讓機器人行動更接近真實動物 !
現實生活中一隻獵豹奔跑於一片起伏的田野,對崎嶇不平的地面如履平地,這樣的動作看起來毫不費力,但以目前的技術要讓機器人以這種方式移動似乎不可能做到。但美國麻省理工學院的迷你機器人獵豹,卻展示了一種新的控制系統,可以讓四條腿的機器人及時跳過不平整的地形,接近實際動物的行為。
這個新穎的控制系統分為兩部分:
(1) 裝載著演算法的高級控制器:這是一個會從經驗中「學習」的神經網路,可以即時處理由安裝在機器人前面的攝影機捕捉到的地形深度圖像,以及機器人身體狀態 (關節角度、身體方向等) 等訊息,並將資訊轉化為機器人「應該如何移動其身體」的指令;
(2) 較低級別的控制器:接收高級控制器的指令,為機器人的12個關節提供扭力。與其他控制四腳機器人的方法不同,這個由兩部分組成的系統不需要事先繪製地形圖,因此機器人將可以去任何地方。
研究人員使用被稱為「強化學習」(reinforcement learning) 的試誤法 (trialanderror) 來訓練系統中的高級控制器,讓機器人在數百個不同的不連續地形上運行,並在成功穿越地形時進行獎勵回饋;隨著時間推移,高級控制器中的演算法已學會了哪些行動能使獎勵最大化。最後,研究人員用一組木板設計了一系列的地形進行了測試,這些迷你獵豹成功穿越了90%的地形。在未來,這些技術將可以使機器人在執行緊急任務時衝進未知地形的樹林,也可以爬上樓梯為無法外出者送藥。
無人機近幾年蔚為風潮,機器犬運用在軍事上也時有所聞,機器人出現在人類的生活中已經不再是科幻片的劇情。透過演算法的學習,以及更強大的電腦與電源,相信仿生機器人很快就可以問世。
延伸閱讀:《外骨骼機器人》更輕型可協助神經損傷者再度走路! Rewalk新產品 Reboot 獲FDA突破性設備資格
延伸閱讀:《AI》截取大腦訊號 ! 利用「腦機介面」 與機器人結合 可協助中風患者重拾行動能力
資料來源:MIT