В Гонконге создали инновационную систему управления четырехногиеми роботами, которая позволяет им самостоятельно преодолевать экстремально сложные преграды. Теперь эти механические «существа» могут искать альтернативные маршруты в самых непроходимых местах. В чём секрет этой технологии и какие горизонты она открывает?
Робот-спасатель в опасных зонах
Четвероногие машины, вдохновлённые навыками животных, мгновенно адаптируются к любому рельефу — будь то узкие проходы или нестабильные завалы. Это коренным образом расширяет возможности использования таких роботов в ситуациях, угрожающих жизни человека: например, при обследовании развалов после землетрясений, где каждое неверное движение может спровоцировать новый обвал. Раньше главной трудностью оставалось не только физическое преодоление препятствий, но и их точная идентификация и анализ.
Многослойный 3D-рельеф
Учёные из Гонконгского университета под руководством доцента Пэна Лу и аспиранта Йеке Чэнь предложили идею многослойного картографирования местности. В отличие от традиционной плоской карты, их система формирует подробную трёхмерную модель, включающую разные уровни препятствий — пропасти, выступы, узкие лазейки. Это даёт роботу структурированное представление пространства и помогает отличать проходимые участки от непроходимых.
Лидар: «лазерное зрение» робота
Ключевой компонент «цифрового зрения» робота — лидар (LiDAR, Light Detection and Ranging). Принцип его работы похож на эхолокацию, но вместо звуковых волн он использует лазерные импульсы. Тысячи кратковременных сигналов в секунду испускаются в окружение и фиксируются после отражения от объектов. По времени возврата вычисляется точная дистанция до каждой точки, что позволяет в реальном времени строить детализированную 3D-карту территории.
Именно способность «ощупывать» мир с помощью лазерного луча делает лидар незаменимым для робота, пробирающегося через завалы. В отличие от камеры, дающей лишь плоское изображение, лидар предоставляет точные данные о глубине, форме и геометрии каждого препятствия.
Виртуальная школа робота
Перед первым выходом в реальную обстановку робот прошёл обучение в симуляторе. В цифровой среде он отработал навыки ползания, прыжков и лазания в сотнях виртуальных сценариев. «Благодаря обобщённому опыту из симуляций робот надёжно переключается между приёмами, чтобы справляться с разноплановыми преградами», — объясняет доцент Пэн Лу.
Кроме того, виртуальная подготовка дала роботу возможность «додумывать» отсутствующие данные в реальном времени, опираясь на модель, построенную в процессе обучения.
Тесты в реальном мире
В ходе серии испытаний как в помещениях, так и на открытой территории платформа Unitree Go1 демонстрировала всё выученное: она автономно выбирала, когда пролезать под преградой, а когда перепрыгивать через неё. Особенным открытием стала способность к спонтанному планированию альтернативного маршрута при встрече слишком высокого препятствия. Без явных алгоритмов робот методом проб и ошибок находил обход, доказывая первые зачатки автономного принятия решений.
Коммерческие перспективы и текущие ограничения
Несмотря на впечатляющие результаты, технология пока зависит от виртуального обучения и не умеет постоянно совершенствоваться «на ходу» в реальном мире. Тем не менее учёные уже работают над коммерциализацией разработки для автоматизированных проверок на строительных площадках. Главная цель следующего этапа — интеграция реальных данных в процесс обучения, чтобы полностью стереть границу между симуляцией и действительностью и создать робототехнику для любых условий.
Примечание редакции:
Для обучения и обработки масштабных данных необходимы мощные вычислительные ресурсы. Одним из решений этого вопроса являются облачные сервисы, например, провайдера Cloud4Y, предлагающего услуги для ML-вычислений и работы с большими объёмами данных.
