Um modelo que poderia ampliar as habilidades de manipulação de robôs quadrúpedes

Os sistemas robóticos tornaram-se cada vez mais sofisticados nas últimas décadas, evoluindo de robôs rudimentares e rígidos para uma ampla gama de robôs macios, humanóides e inspirados em animais. Descobriu-se que os robôs com pernas, especialmente os quadrúpedes, são particularmente promissores para realizar tarefas simples ao nível do solo, como explorar ambientes e transportar objetos.

Apesar de sua promessa, a maioria dos robôs com pernas ainda são limitados em termos de como podem interagir com objetos e humanos ao seu redor. Além disso, aqueles que apresentam habilidades mais avançadas de manipulação de objetos são geralmente equipados com componentes adicionais e às vezes volumosos, como braços ou garras robóticas dedicadas.

Uma equipe de pesquisadores da ETH Zurique introduziu recentemente um novo modelo baseado em aprendizagem por reforço que poderia permitir que robôs de quatro patas interagissem com o ambiente ao seu redor de maneiras inovadoras, sem a necessidade de braços ou manipuladores adicionais. Seu artigo, publicado no servidor de pré-impressão arXivmostra que este modelo poderia permitir que robôs quadrúpedes realizassem tarefas mais avançadas, como abrir uma geladeira e tirar objetos do caminho.

“A ideia de usar pernas robóticas para manipulação já existe há algum tempo”, disse Philip Arm, coautor do artigo, ao Tech Xplore. “Por exemplo, pernas robóticas têm sido usadas para fazer inspeções ou jogar futebol. No entanto, a maioria dessas abordagens visava uma única tarefa.”

O principal objetivo do trabalho recente de Arm e seus colegas foi desenvolver uma abordagem versátil que permitiria aos robôs com pernas resolver uma gama mais ampla de problemas do mundo real. O modelo que desenvolveram foi treinado por meio de aprendizagem por reforço, uma técnica bem conhecida e amplamente utilizada na comunidade robótica.

“O robô tem a tarefa de colocar o pé na posição desejada, o que faz muitas vezes em uma simulação, aprendendo e melhorando suas habilidades ao longo do tempo”, explicou Arm. “Alteramos alguns parâmetros nas simulações que executamos, como onde o pé deveria ser colocado e o quanto o robô é perturbado ao tentar atingir o alvo. Com essa abordagem, o robô tornou-se muito robusto às incertezas que enfrentaria em o mundo real.”

Nos experimentos iniciais, descobriu-se que o modelo dos pesquisadores funcionava muito bem, permitindo que um robô de quatro patas realizasse com eficácia tarefas de manipulação de objetos que antes não conseguia concluir, incluindo abrir a porta de uma geladeira, carregar objetos, pressionar um botão, empurrar obstáculos para fora. do seu caminho e coletando pedras do chão.

Em contraste com outras abordagens para melhorar as habilidades de manipulação de objetos de robôs quadrúpedes, o modelo ensina os robôs a usar todo o corpo sempre que necessário (por exemplo, inclinando-se para frente para alcançar um botão com um dos pés).

“Descobrimos que o modelo até ensina um robô a pular para atingir um alvo que está a poucos metros de distância”, disse Arm. “Ficamos realmente surpresos com quantas tarefas poderíamos resolver com o pé do robô, incluindo abrir a porta de uma geladeira. No momento, o robô ainda é teleoperado, mas se conseguirmos automatizar muitas dessas tarefas, isso ampliará o alcance de aplicação do robôs com pernas sem a necessidade de alterar seu hardware.”

O novo modelo computacional desenvolvido por Arm e seus colaboradores poderá em breve ser melhorado e treinado em tarefas adicionais. Uma vez aperfeiçoado e validado em cenários robóticos totalmente automatizados, poderá ampliar significativamente as aplicações no mundo real de robôs com pernas, por exemplo, permitindo que robôs usados ​​para realizar inspeções de armazéns ou infraestrutura apertem botões, movam alavancas e abram portas de forma independente.

Nos próximos estudos, os investigadores continuarão a trabalhar nesse sentido, aumentando a autonomia da sua abordagem e tentando automatizar mais tarefas, incluindo a apreensão de objetos e a abertura de outros tipos de portas.

© 2024 Science X Network