Boston Dynamics оснастила робота Atlas колесами від самоката: штучний інтелект навчився виконувати трюки

Boston Dynamics провела незвичайний експеримент із людиноподібним роботом Atlas, замінивши його стопи колесами від звичайного електросамоката. Завдяки цьому інженери змогли перевірити можливості приводів під час інтенсивних навантажень і з'ясувати, наскільки добре система керування на основі штучного інтелекту справляється з нестандартними рухами. У результаті Atlas навчився швидко розганятися, ковзати вбік і навіть виконувати стрибок із поворотом на 360 градусів.

Однак перетворювати людиноподібного робота на колісну машину компанія не планує. Як пояснив інженер відділу керування приводами Boston Dynamics Сяоюй (Енді) Ву, головною метою експерименту було випробування апаратної частини на межі можливостей, а не створення нової версії Atlas.

Навіщо Boston Dynamics встановила на Atlas колеса

Експеримент отримав назву Atlas on a Roll. Його метою було змусити електродвигуни робота тривалий час працювати одночасно на високій швидкості та з великим крутним моментом.

Під час звичайної ходьби навантаження на приводи постійно змінюється. Колеса створюють зовсім інші умови: під час кожного прискорення, повороту та гальмування двигуни мають працювати інтенсивно й безперервно передавати зусилля на поверхню.

Для переобладнання інженерам не довелося суттєво змінювати конструкцію робота. Вони використали стандартні колісні диски від електросамоката, закріпивши їх на наявних приводах гомілковостопних суглобів за допомогою спеціального адаптера. Це була єдина нова механічна деталь у всій конструкції.

Програмна частина також потребувала мінімальних змін. У моделі робота кожне колесо фактично замінило гомілковостопний суглоб, який тепер міг безперервно обертатися. Завдяки цьому інженери змогли використати базову модель Atlas і наявну систему керування.

Штучний інтелект самостійно навчився їздити на колесах

Найцікавішим результатом експерименту стала поведінка алгоритму керування. Boston Dynamics використала систему навчання з підкріпленням, яка дає змогу роботу опановувати рухи завдяки численним тренуванням у віртуальному середовищі.

Перед випробуваннями на справжньому обладнанні Atlas пройшов мільйони симуляцій. Інженери адаптували параметри навчання, змінили систему винагород і налаштування підтримання рівноваги. Після цього алгоритм самостійно навчився використовувати колеса для пересування.

Зокрема, робот опанував кілька незвичайних рухів:

• швидке прискорення та гальмування зі збереженням рівноваги;
• різкі бічні ривки з одночасним ковзанням коліс;
• швидку зміну напрямку руху;
• стрибок із поворотом корпусу на 360 градусів;
• динамічні нахили та переміщення з використанням зчеплення коліс із поверхнею.

Особливо показовим виявився бічний ривок. Під час звичайної ходьби людина виконує такий рух, ковзаючи стопами по поверхні. Atlas із колесами навчився самостійно керувати їхнім напрямком і переміщатися вбік без потреби переставляти ноги.

Для стрибка з обертанням на 360 градусів інженери використали бібліотеку записів людських рухів, отриманих за допомогою системи захоплення рухів. Алгоритм відстеження траєкторії відтворив відповідну послідовність, причому на фізичному роботі вона спрацювала з першої спроби.

Інженер Енді Ву зазначив, що цей трюк виявився одним із менш ризикованих елементів випробувань, попри його ефектний вигляд.

Чому реалістична симуляція важливіша за ефектні трюки

Основна технічна цінність проєкту пов'язана з проблемою sim-to-real — перенесенням навичок, здобутих у віртуальному середовищі, на справжнього робота.

Навчання з підкріпленням дає змогу проводити мільйони випробувань без ризику пошкодити дороге обладнання. Однак віртуальна модель має якомога точніше відтворювати поведінку справжніх двигунів і приводів. Якщо симуляція передбачає, що мотори працюють ідеально, алгоритм може опанувати рухи, які фізичний пристрій насправді не здатний виконати.

Тому команда Boston Dynamics витратила значну частину часу на вимірювання характеристик реальних приводів, налаштування параметрів керування та адаптацію віртуальної моделі до результатів фізичних випробувань.

Для симуляцій використовували фізичний рушій MuJoCo, розроблений за участю Google DeepMind. Завдяки точнішому моделюванню двигунів навчена система змогла перенести опановані рухи на справжнього Atlas практично без додаткового налаштування.

Це набагато важливіше, ніж можливість ефектно прокотитися лабораторією. Якщо алгоритми навчаться надійно враховувати реальні обмеження приводів, виробник зможе швидше розробляти нові рухи та зменшувати кількість помилок під час експлуатації роботів.

Що експеримент дасть серійному Atlas

Boston Dynamics окремо наголосила, що колісна версія не є комерційним продуктом або альтернативною модифікацією людиноподібного робота. Це дослідницька платформа, призначена для перевірки можливостей апаратної частини та стійкості алгоритмів керування.

Отримані результати вже використовують для вдосконалення стандартної двоногої конфігурації Atlas. Наступним напрямом роботи команда назвала підвищення стійкості системи керування до відмов окремих приводів. Інженери хочуть навчити алгоритми самостійно знаходити альтернативні способи пересування, якщо один із виконавчих механізмів перестає працювати належним чином.

Це особливо важливо для промислових роботів. На заводі несправність одного приводу не повинна автоматично призводити до повної зупинки машини. Якщо Atlas зможе пристосовувати свої рухи до подібних ситуацій, це підвищить надійність обладнання та скоротить час простою.

Зараз Boston Dynamics розвиває комерційну версію повністю електричного Atlas спільно з Hyundai Motor Group. Компанія планує використовувати роботів на підприємствах Hyundai, а також у дослідницьких проєктах Google DeepMind.

На початковому етапі Atlas має виконувати операції з переміщення та сортування автомобільних компонентів. У майбутньому Hyundai планує розширити застосування роботів на складальні процеси, поступово переходячи від допоміжних операцій до складніших виробничих завдань.

Отже, експеримент із колесами не означає, що Boston Dynamics збирається відмовитися від звичної конструкції людиноподібного робота. Навпаки, компанія перевіряє межі можливостей його приводів і вдосконалює алгоритми, які згодом мають працювати на виробничих майданчиках. Для промислової робототехніки це набагато важливіше за ефектні трюки: саме здатність зберігати рівновагу, пристосовуватися до несправностей і надійно виконувати завдання в непередбачуваних умовах визначає практичну цінність таких машин.