В Сингапуре разработали механизм активной стабилизации падающих роботов
Роботы, перемещающиеся по лестницам, по-прежнему сталкиваются с серьезной проблемой безопасности, так как потеря равновесия часто заставляет их кувыркаться с нарастающей силой, что создает риск повреждения как самой машины, так и окружающих объектов. Новое исследование, проведенное специалистами Лаборатории робототехники и автоматизации (ROAR) Сингапурского университета технологий и дизайна, предлагает способ снизить этот риск, помогая роботам активно смягчать последствия падения, а не только пытаться предотвратить его.
Исследование посвящено сервисным роботам, предназначенным для передвижения по ступеням, которые остаются уязвимыми, несмотря на прогресс в области контроля равновесия и планирования маршрута. Согласно многолетним полевым наблюдениям, на которые ссылается научная группа, роботы, созданные для лестниц, терпят неудачу как минимум в тридцать пять раз чаще именно на ступенях, чем на ровной поверхности. Как только начинается падение, инерция быстро нарастает, усложняя восстановление и увеличивая вероятность поломки.
Традиционные системы безопасности в основном сосредоточены на предотвращении падений и включают в себя навигационные алгоритмы, обнаружение препятствий и контроль устойчивости. Однако ученые утверждают, что эти меры не могут полностью исключить риск в реальных условиях. Даже если робот хорошо управляем, неожиданные взаимодействия, например случайный толчок со стороны человека, способны спровоцировать падение, с которым существующие системы не предназначены справляться.
«Именно поэтому смягчение последствий падения важнее, чем просто его предотвращение, — отметил профессор Мохан Раджеш Элара, возглавляющий лабораторию ROAR. — Пока у индустрии не будет убедительного ответа на этот остаточный риск, операторы будут воспринимать такие платформы как обузу, а не как инструмент экономии труда».
Чтобы устранить этот пробел, команда разработала систему на основе обучения с подкреплением, которая позволяет роботу реагировать непосредственно во время падения. Вместо того чтобы действовать только до наступления нестабильности, система активно пытается стабилизировать робота в процессе падения, используя механический манипулятор, закрепленный на гусеничной мобильной платформе.
Исследователи сначала изучили, как именно происходят отказы на лестницах в реальных условиях, и определили пять основных типов падения, включая прямые падения назад, вращательные вариации и боковые опрокидывания. Основываясь на этом анализе, они сконструировали роботизированную руку с тремя шарнирами, способную противодействовать всем пяти видам движений.
«Выяснилось, что три степени свободы — это тот минимум, который геометрически позволяет охватить все пять типов падения, если конструкция установлена в задней части робота, — пояснил профессор Элара. — Механизм сужает проблему настолько, что контроллер с искусственным интеллектом может ее решить. Искусственный интеллект позволяет нам управлять механизмом, который в противном случае был бы слишком сложен для ручного контроля».
Система управления была полностью обучена в симуляции с применением обучения с подкреплением. В каждом тренировочном эпизоде робот подвергался воздействию внешних сил, толкающих его к падению, а контроллер учился в режиме реального времени корректировать положение шарниров руки для стабилизации платформы.
В ходе испытаний пяти обученных контроллеров система достигла среднего показателя успешного предотвращения падений и восстановления устойчивости в 69,4 процента случаев, тогда как традиционный метод с жестко запрограммированным управлением справился лишь в 38,6 процента ситуаций. При успешном срабатывании система на базе искусственного интеллекта стабилизировала робота в среднем за 4,25 секунды, что укладывается во внутренний целевой показатель времени реакции, установленный командой и составляющий менее десяти секунд.
Исследователи также проверили, сможет ли система работать за пределами возможностей именно того робота, на котором она обучалась. Они оценили ее эффективность на платформах, которые были на десять процентов крупнее или меньше, а также на лестницах с другими размерами. В ряде случаев производительность даже улучшилась, и лучший контроллер достиг 87-процентного успеха на более крупном роботе.
«Контроллер не запоминает одну конкретную геометрию, — сказал профессор Элара. — Он осваивает стратегию восстановления, которая способна к обобщению».
При этом команда отмечает, что система пока не готова к полноценному внедрению, поскольку ее текущие показатели не соответствуют строгим промышленным стандартам безопасности, таким как IEC 61508, а это означает, что перед реальным использованием потребуются дополнительные средства защиты и процедуры валидации. Сейчас исследователи работают над повышением надежности, добавлением механических предохранителей и созданием объяснимых моделей, которые могут пройти сертификацию. Эта работа является частью более масштабных усилий университета по повышению безопасности автономных мобильных роботов в реальных условиях.
Исследование в журнале Engineering.