Четвероногие роботы, в том числе популярные роботы‑собаки, должны уверенно передвигаться по неровной и постоянно меняющейся поверхности — это важно для их применения в реальных условиях. Сейчас в робототехнике используют два подхода к управлению такими машинами. Первый — модельное прогнозирующее управление, он позволяет оптимизировать поведение робота, но требует точных моделей динамики, которые трудно построить для реальной среды и которые нередко опираются на упрощения. Второй подход — обучение с подкреплением без моделей: он дает роботу устойчивые навыки, но сформированные модели поведения оказываются жестко зафиксированными, из‑за чего адаптировать робота к новым условиям после обучения крайне сложно.
Новое решение предложила команда под руководством Илунь Ду, доцента кафедры компьютерных наук Школы инженерных и прикладных наук имени Джона А. Полсона (SEAS). Ученые разработали систему управления на базе искусственного интеллекта, которая помогает четвероногим роботам оперативно подстраиваться под новые задачи и особенности местности без необходимости переобучения.
Новая система получила название Diffusion‑MPC (прогнозирующее управление на основе модели). В ее основе лежит генеративная диффузионная модель — тип ИИ, который широко применяют, например, для генерации изображений. В отличие от традиционных решений, Diffusion‑MPC не полагается на детально проработанную с нуля модель динамики, а использует приблизительное представление о том, как робот и окружающая среда будут изменяться со временем. Планирование движений происходит с учетом поощрений за успешное выполнение задач и соблюдением ограничений — в первую очередь физических пределов и требований безопасности.
Особенно меня воодушевляют результаты, демонстрирующие гибкую адаптацию реальных четвероногих роботов, в том числе к меняющемуся рельефу, уклонам, восстановлению равновесия и различным целям управления. В более широком смысле я рассматриваю это как шаг к созданию универсальных контроллеров локомоции — систем, которые можно перепрограммировать или настроить в полевых условиях при изменении условий, а не использовать только в тех сценариях, для которых они были обучены.
Эффективность подхода команда проверила на шагающих роботах. Эксперименты подтвердили, что машины способны сохранять устойчивость и гибко реагировать на новые препятствия и цели. Это открывает перспективы для применения четвероногих машин в непредсказуемых средах, где способность быстро адаптироваться к переменам — ключевое требование к технике.
Ранее Наука Mail рассказывала, что роботы отправятся строить первую базу на Луне.
