일어나는 법을 배우는 휴머노이드 로봇

일리노이 대학교 Urbana-Champaign의 연구원들은 하락 후 휴머노이드 로봇이 독립적으로 일어서는 데 도움이되는 시스템을 만들었습니다.

인간과 같은 구조로 설계된 휴머노이드 로봇은 제어 알고리즘의 발전이 속도와 운동 복잡성을 향상시키기 때문에 실제 작업을 처리 할 수 ​​있습니다.그러나 그들은 인간과 같은 두 개의 다리를 걷고 달리기 때문에 물체와 충돌하거나 충돌하는 경향이 있습니다.넘어진 후 쉽게 일어날 수있는 인간과는 달리,이 로봇은 종종 외부 지원없이 회복하는 데 어려움을 겪고 있습니다.

일리노이 대학교 Urbana-Champaign의 연구원들은 자율적으로 떨어진 후 휴머노이드 로봇을 회복 할 수있는 기계 학습 프레임 워크를 개발했습니다.이 프레임 워크는 로봇 자율성을 향상시키고 더 넓은 배치를 지원할 수 있습니다.

연구팀은 Humanup이라는 프레임 워크를 개발했습니다.이 프레임 워크는 RL (Reliderccement Learning)을 사용하여 Humanoid Robot가 떨어지는 위치에 관계없이 스스로 일어 서도록 돕습니다.

Humanoid 운동 학습의 이전 응용 프로그램은 성공적 이었지만 복잡한 접촉 패턴으로 인해 추가 문제가 발생합니다.충돌 지오메트리를 정확하게 모델링하고 스파 스 보상을 처리하는 것이 효과적인 복구에 필수적입니다.구조화 된 커리큘럼에 따라 이러한 과제를 해결하기 위해 2 상 접근 방식이 사용됩니다.

HumanUp RL 프레임 워크는 두 단계로 작동합니다.첫 번째 단계는 움직임 부드러움이나 속도에 대한 엄격한 제약없이 로봇이 일어날 수있는 효과적인 사지 궤적을 식별합니다.

두 번째 단계에서 프레임 워크는 초기 동작을 개선하여 로봇이 수행 할 수있는 부드럽고 제어 된 움직임으로 변환합니다.이러한 움직임은 로봇의 위치 나 지형이 떨어지는 지형에 관계없이 효과적입니다.

연구원들은 Unitree Robotics가 개발 한 Unitree G1 Humanoid Robot을 사용하여 시뮬레이션 및 실제 설정에서 HumanUp을 테스트했습니다.그들의 결과는 유망했으며, 로봇이 위치 나 그 아래의 표면에 관계없이 폭포에서 자율적으로 회복 될 수 있음을 보여 주었다.

팀이 개발 한 프레임 워크는 다른 휴머노이드 로봇에 세련되고 적응할 수있어 넘어간 후 자율적으로 복구 할 수 있습니다.이러한 발전은 로봇 기능을 향상시키고 실제 응용 프로그램에서 광범위한 채택을 지원할 수 있습니다.