• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  • Utilizzo di un framework di simulazione per studiare i comportamenti della colonna vertebrale dei robot quadrupedi

    Credito:Bhattacharya et al.

    I ricercatori del centro Robert Bosch per i sistemi ciberfisici di Bangalore, India, hanno recentemente proposto un quadro di simulazione per studiare sistematicamente gli effetti dell'attivazione dell'articolazione spinale sulle prestazioni di locomozione dei robot quadrupedi. Nel loro studio, delineato in un documento pre-pubblicato su arXiv, hanno usato questa struttura per studiare i comportamenti della colonna vertebrale di un robot quadrupede chiamato Stoch 2 e i loro effetti sulle sue prestazioni di delimitazione.

    "Questa ricerca è nata esplorando le basi della locomozione veloce in animali quadrupedi e robot, Shounak Bhattacharya, uno dei ricercatori che ha condotto lo studio, ha detto a TechXplore. "È risaputo da tempo che gli animali quadrupedi di piccole e medie dimensioni utilizzano la flessibilità della loro colonna vertebrale per migliorare la velocità di locomozione e l'efficienza energetica. Questo uso della flessibilità ha ispirato i robotisti a esplorare il concetto in modo più dettagliato per trovare una soluzione a questo problema utilizzando gli strumenti matematici disponibili."

    Contrariamente ai ricercatori precedenti, Bhattacharya e i suoi colleghi hanno deciso di indagare sui comportamenti della colonna vertebrale dei robot quadrupedi utilizzando tecniche di apprendimento automatico. L'obiettivo principale del loro studio era utilizzare l'apprendimento per rinforzo profondo (D-RL) per realizzare la complessa coordinazione tra colonna vertebrale e gambe nei robot.

    "In un quadro D-RL, imparare da zero può portare a politiche migliori e solide rispetto all'incorporazione di una guida umana, "Bhattacharya ha detto. "Tuttavia, imparare da zero comporta molteplici fallimenti iniziali prima della generazione della politica di lavoro. In questo lavoro, sono stati necessari oltre 2 milioni di passaggi prima di ottenere una policy attiva e utilizzabile."

    L'esecuzione di molte prove direttamente sull'hardware di un robot richiede una grande quantità di tempo e risorse. I ricercatori hanno quindi deciso di simulare il robot e il suo ambiente in PyBullet, un modulo Python che migliora il motore fisico di Bullet con capacità di robotica e apprendimento automatico. Nel loro studio, hanno usato PyBullet per valutare gli effetti dell'attivazione dell'articolazione spinale sulle prestazioni di delimitazione di Stoch 2, un robot quadrupede da 16 DOF.

    "Abbiamo addestrato il modello di robot in questo ambiente e abbiamo osservato che l'algoritmo di apprendimento ha eseguito un addestramento completo in 4 ore, quando viene eseguito per un massimo di 10 milioni di passaggi, su un PC alimentato da un Intel Core i7 a 3,5 Ghz con 12 core, e 32 GB di RAM, " Bhattacharya ha detto. "L'uso di un framework di simulazione ha ridotto il tempo per l'addestramento e ha eliminato la necessità di sperimentare sull'hardware".

    Usando PyBullet come framework di apprendimento per il loro robot, i ricercatori hanno ottenuto risultati molto promettenti. I risultati raccolti durante le simulazioni suggeriscono che l'uso attivo della colonna vertebrale fa, infatti, migliorare la lunghezza del passo di un robot e il costo di trasporto, riducendo anche la frequenza naturale a valori più realistici. In definitiva, Stoch 2 ha raggiunto una velocità di delimitazione di 2,1 m/s, con un numero massimo di Froude di 2.

    Questo studio, sotto la supervisione di quattro docenti dell'Indian Institute of Science:Shishir Kolathaya, Ashitava Ghosal, Bharadwaj Amrutur e Shalabh Bhatnagar, fa parte di un progetto più ampio chiamato Walking Robot. Nel futuro, potrebbe ispirare altri ricercatori a utilizzare la stessa struttura di simulazione per migliorare i comportamenti della colonna vertebrale dei loro robot e le conseguenti prestazioni di locomozione.

    "Abbiamo ottenuto la coordinazione della colonna vertebrale e della gamba attraverso un framework basato su D-RL, che ha aumentato l'efficienza energetica e la velocità del quadrupede, Bhattacharya ha detto. "Va notato che tutti questi comportamenti sono stati ottenuti da zero senza alcuna comprensione della meccanica della colonna vertebrale. Nel nostro lavoro futuro, abbiamo in programma di distribuire la rete neurale sull'hardware ed eseguire direttamente la politica appresa".

    © 2019 Science X Network




    © Scienza https://it.scienceaq.com