Os robôs humanóides simulados aprendem a caminhar terrenos acidentados autonomamente

Treinar robôs humanóides para caminhar pode acelerar o desenvolvimento de IA incorporada para tarefas como busca e resgate autônomos, monitoramento ecológico em lugares inexplorados e muito mais, dizem pesquisadores da Universidade de Michigan que desenvolveram um modelo de IA que equipa os humanóides para seguir as trilhas.

Com sua nova estrutura de IA chamada LEGO-H, os pesquisadores treinaram os humanóides de robótica unilulada e equipada com câmera para planejar com antecedência, evitar obstáculos, manter a postura e ajustar a velocidade e o passo a terrenos desiguais.

“Nosso modelo é o primeiro que pode dar a um robô humanóide a capacidade de ver, decidir e se mover inteiramente por si só – não apenas caminhar, mas pular, pisar ou pular conforme as demandas de trilhas. 2025.

O trabalho é publicado no arxiv servidor pré -impressão.

Tradicionalmente, os robôs aprendem a navegar em superfícies planas e desobstruídas usando mapas pré-construídos e orientação humana constante, com planejamento de alto nível (“onde ir”) e execução de baixo nível (“como se mover”) tratados como problemas separados.

“A unificação de navegação e locomoção em uma única estrutura de aprendizado de políticas permite que os robôs desenvolvam suas próprias estratégias de movimento com base na situação sem padrões de pré-programação humana”, disse Kwan-Yee Lin, pesquisador em ciência da computação e engenharia e principal autor do estudo.

Na simulação, os robôs humanóides são descartados em uma trilha desconhecida e solicitados a navegar para um ponto específico. Eles estão equipados com entrada visual, consciência corporal e uma simples direção do GPS-como “o destino é de 0,3 milhas a nordeste”-em vez das direções de turno por volta.

Os robôs virtuais de 6 pés de tamanho adulto e cerca de um metro e meio de tamanho infantil caminharam de cinco tipos diferentes, cada um com cinco níveis de dificuldade. O desempenho foi medido sobre integridade, segurança e eficiência.

Quando comparado aos robôs, com informações perfeitas para navegação e ambiental, o desempenho dos robôs autônomos simulados foi comparável ou melhor em eficiência e segurança. Sua consciência corporal interna ajudou a evitar danos e a remoção desse aspecto reduziu visivelmente o sucesso das caminhadas, disseram os pesquisadores.

Robôs autônomos virtuais aprenderam a adaptar sua posição corporal e estilo de movimento com base no terreno. Por exemplo, ao chegar a um espaço apertado, os robôs aprenderam a se inclinar para o lado para se espremer. Eles também foram capazes de decidir os caminhos com base em obstáculos – andando em torno de obstáculos altos e pisando sobre obstáculos mais baixos, andando por aí se não pudessem pisar.

“Surpreendentemente, os robôs virtuais podem recuperar seu equilíbrio após um tropeço – algo que não é visto em humanóides anteriores. Não programamos isso. Emergiu naturalmente à medida que os robôs aprenderam a interagir com o ambiente”, disse Lin.

Para este primeiro estudo, a parte superior do corpo do robô foi mantida fixada porque a adição de movimentos da parte superior do corpo aumenta drasticamente a complexidade da modelagem. Agora que este estudo de prova de conceito funcionou para o movimento das pernas, a equipe de pesquisa está trabalhando em direção a caminhadas coordenadas de corpo inteiro para utilizar todo o grau de liberdade do robô para maximizar a estabilidade, a segurança e a eficiência na locomoção.

A equipe de pesquisa está trabalhando ativamente para adaptar essas políticas aos humanóides físicos no mundo real.