Американские инженеры разработали алгоритм управления четвероногим роботом, позволяющий ему моментально вслепую, без визуальных датчиков, адаптироваться к изменению рельефа или внешним нагрузкам, и при этом полностью основанный на машинном обучении. Разработчики показали, что робот без проблем адаптируется к ходьбе по намазанной маслом пленке или к тому, что ему на спину кладут восьмикилограммовый груз, меняющий динамику его движений.

Краткое описание алгоритма и экспериментов опубликовано в блоге Facebook AI, а статья и видео с примерами доступны на сайте авторов.

Главное преимущество четвероногих и вообще ходячих роботов перед колесными заключается в их проходимости и умению балансировать даже при внешних возмущениях. Например, несколько лет назад инженеры Boston Dynamics любили выкладывать ролики, на которых они бьют свои разработки ногами, проверяя их способность устоять на ногах, или отправляют их ходить по тонкому льду, демонстрируя адаптацию к поверхностям с разным уровнем скольжения.

Классический подход к созданию алгоритмов управления ходячими роботами — это создание контроллера, основанного на модели движений робота. Например, часто применяется метод управления на основе прогнозирующих моделей (MPC) или линейно-квадратичный регулятор (LQR). Но такой подход требует большого объема ручных корректировок и точного описания динамики робота и окружающего мира.

В последние годы все чаще как в четвероногих роботах, так и в других устройствах, применяют алгоритмы машинного обучения, позволяющие роботу самому выучить оптимальные движения, причем самый перспективный подход — обучение в виртуальной среде с последующим переносом выученного навыка на реальную машину.

Инженеры под руководством Джитендры Малика (Jitendra Malik) из Калифорнийского университета в Беркли и Facebook AI Research создали полностью выученный алгоритм управления четвероногим роботом, позволяющий ему на ходу адаптироваться к изменениям условий, не используя визуальные датчики.