Исследователи из Института робототехники и искусственного интеллекта (RAI) сконструировали двухколесного робота Ultra Mobility Vehicle (UMV), который умеет выполнять сложные маневры — от балансирования на одном колесе до прыжков через препятствия. При его создании разработчики черпали вдохновение у опытных байкеров. Их способность быстро ездить по разным поверхностям и преодолевать преграды легла в основу концепции устройства.
UMV внешне напоминает велосипед: у него два колеса, расположенные друг за другом, рулевая рама и привод на заднее колесо. При этом робот способен прыгать на высоту до одного метра (130% от собственного роста) и развивать скорость до 8 м/с.
Ключевая особенность UMV — пространственная рычажная система с приводом. Она соединяет «голову» робота (в ней находятся аккумуляторы, вычислительные устройства и приводы) с рамой через «шею» и тяги. Когда приводы срабатывают, робот перераспределяет массу — приседает, подпрыгивает или смещается в сторону для сохранения равновесия, подобно велосипедисту.
Робот управляется с помощью алгоритмов обучения с подключением. Они отрабатываются в симуляторе, а затем без дополнительной настройки переносятся на реального робота. Благодаря этому он может самостоятельно находить эффективные последовательности движений — например, выполнять «поворот на месте» (когда робот разворачивается, быстро поворачивая переднее колесо в сторону), хотя этот маневр не был запрограммирован заранее.
У робота-велосипеда всего пять управляемых степеней свободы (DoF) — это меньше, чем у четвероногих и двуногих роботов (обычно 12 и более). Меньшее число шарниров снижает вес, упрощает производство и повышает надежность.
Разработчики видят широкие перспективы применения UMV: робот подойдет для доставки грузов в городе, транспортировки на большие расстояния по пересеченной местности или осмотра труднодоступных территорий. В будущем команда планирует усовершенствовать платформу — повысить производительность и добиться еще лучшей адаптации к непредсказуемым средам.
Для более эффективного обучения использовались методы массово-параллельного моделирования. Конечная цель разработчиков — высокоскоростное автономное перемещение по различным неструктурным средам, когда робот в режиме реального времени оценивает местность и выбирает оптимальный способ передвижения по ней — едет или прыгает.
Ранее Наука Mail рассказывала, что робота научили осторожно брать чипсы и малину.
