韓国の研究者たちが、四足ロボットが複雑な地形で自律的に異なる運動スキルを切り替えられる人工知能フレームワークを開発しました。このシステムは、ロボットがリアルタイムの環境に基づいて歩行スタイルを調整し、森林をナビゲートしたり、階段を登ったり、障害物を飛び越えたりすることを可能にし、機載センサーと計算能力のみに依存しています。このアプローチは、事前に訓練された歩行スキルと適応的な意思決定を組み合わせ、変化する環境における柔軟性を向上させます。研究者たちは、このフレームワークが将来の自律的な捜索・救助や探査ミッションを支援する可能性があると指摘しています。「単一の機載戦略が、階段、障害物、踏み石、隙間、倒れた枝など、さまざまな障害を堅実に越えることができ、我々のアプローチの多機能性と有効性を示しています」と研究チームは研究論文で述べています。
スマートな四足移動
研究者が開発した人工知能フレームワークが四足ロボットの運動能力を向上させる
韓国科学技術院（KAIST）、韓国大学、防衛科学研究所、DIDEN Roboticsの研究者たちは、行動事前訓練変換器に基づく強化学習（APT-RL）という新しい人工知能フレームワークを開発し、四足ロボットが複雑な地形をナビゲートする際に自動的に異なる運動スキルを切り替えられるようにしました。従来の単一の歩行スタイルに依存するか、異なるタスクのために個別のコントローラーを設定する脚部ロボットとは異なり、APT-RLはロボットが前方の地形に基づいてスムーズにジョギング、ジャンプ、登攀、飛び越えを切り替えることを可能にします。
このシステムは、事前に訓練された運動スキルと強化学習を組み合わせ、ロボットが機載センサーのみを使用してリアルタイムで最適な運動戦略を選択できるようにします。
このフレームワークは、ロボットを三つの段階で訓練します。まず、ロボットは180,000以上の最適化された運動軌跡から基本的な歩行スキルを学びます。これらの軌跡は15.5時間のシミュレーション運動を表し、わずか8分で軌跡最適化を通じて生成されます。これらの運動パターンは、より高度な行動の再利用可能な構成要素を形成します。次に、強化学習がロボットに異なる障害物の中でこれらのスキルをいつ、どのように切り替えるかを教えつつ、バランスを保つことを学ばせます。最後に、このシステムは深度カメラと2D LiDARセンサーの機載認識に基づいて調整を行い、外部のモーションキャプチャシステムを必要としません。
研究者たちは、このフレームワークが予測不可能な環境でより速く、より適応的な歩行を実現し、将来の捜索・救助、探査、その他の自律ロボットミッションを支援する可能性があると述べています。
ロボットが地形を征服する
四足ロボットが複雑な環境で優れた適応能力を示す
このフレームワークはKAISTの四足ロボットHOUNDで室内および屋外環境のテストが行われました。ロボットは大学キャンパス、森林の小道、草地、岩の地形、階段、踏み石、丸太、隙間、倒れた枝を成功裏にナビゲートしました。ロボットは地形と指示された速度に基づいて自動的に異なる歩行スタイルを選択します。例えば、凹凸のある地面や階段を登るときは安定したジョギングスタイルを使用し、丸太を飛び越えたり大きく降りたりする際にはより速いジャンプスタイルに切り替えます。このロボットは印象的な速度も示しました。障害物を越える過程で、毎秒4.25メートルの瞬間速度を達成しました。
三段の階段を飛び降りる際には、一時的に毎秒6メートルの速度に達し、その後安全に着地しました。
研究者によると、これらの速度は、知覚駆動の四足ロボットが複雑な現実環境で報告した中で最も速い速度の一つです。研究者たちはまた、彼らの方法を既存の強化学習および階層制御方法と比較しました。APT-RLは常により良い成功率、よりスムーズな歩行スタイルの移行、より高いエネルギー効率、より速い学習を実現しました。ロボットは未見の地形に適応でき、再訓練を必要とせず、事前に訓練された運動スキルが新しい状況で再利用できることを示しています。研究では、深度カメラとLiDARを組み合わせることで最適な性能が得られることも発見されました。
深度カメラは近くの障害物に関する詳細情報を提供し、LiDARはロボットが数メートル先の地形を検出できるようにし、高速での運動計画に十分な時間を与えます。
研究者は、このフレームワークが最終的に森林、災害地域、建設現場、またはその他の挑戦的な環境で自律型ロボットの運用をサポートできると信じています。これらの地域は、車輪式のロボットにとっては多くの困難が伴います。今後の作業では、システムを拡張して走行や這うなどの追加の歩行パターンを含め、より柔軟な方向転換や横移動をサポートし、同じ学習フレームワークをヒューマノイドロボットや他の脚部ロボットに適応させる予定です。