Ну очень дорогой сайгак
Робопёс наконец сможет сам решить, каким животным ему побыть сегодня. Исследователи из KAIST, Korea University и Agency for Defense Development представили APT-RL — систему управления для 45-килограммового робота KAIST HOUND. Она анализирует рельеф, состояние робота и заданную скорость, после чего настраивает механику ног. Их две: бег рысью и скачкообразный бег.
В испытаниях HOUND прошёл 1,1 км по кампусу и 340 м по лесу. Робот справлялся с лестницами, корнями, брёвнами и скользкой землёй, а также успешно спрыгивал со ступени высотой 90 см. При пересечении 60-сантиметровой ступени скорость достигла 4,25 м/с, а пик 6 м/с зарегистрировали на спуске по лестнице.
Сначала робота упростили до неподвижной фигуры, а потом начали перемещать по вертикальной плоскости. Такая модель не учитывает боковые движения и всю механику ног, зато позволяет быстро генерировать физически правдоподобные траектории.
Так получили 180 тысяч фрагментов (или 15,5 часов) — по 90 тысяч для каждого вида бега. В библиотеке для отдельного движения записали положение и скорость робота, а также усилия, которые должны развивать его 12 моторов.
Основное обучение проходило в среде Isaac Gym от NVIDIA на семи типах рельефа. Сами брёвна и лестницы робот видел с помощью камеры Intel RealSense D435 (до 3 метров) и двумерного лидара Hokuyo (до 5 м).
Их данные объединяются с состоянием корпуса, суставов и историей действий, после чего рекуррентная нейронная сеть (RNN) строит представление рельефа. Правда, при слишком быстрых прыжках лидар перегружался и сходил с ума. Ну, нет предела совершенству.
@anti_robots
Робопёс наконец сможет сам решить, каким животным ему побыть сегодня. Исследователи из KAIST, Korea University и Agency for Defense Development представили APT-RL — систему управления для 45-килограммового робота KAIST HOUND. Она анализирует рельеф, состояние робота и заданную скорость, после чего настраивает механику ног. Их две: бег рысью и скачкообразный бег.
В испытаниях HOUND прошёл 1,1 км по кампусу и 340 м по лесу. Робот справлялся с лестницами, корнями, брёвнами и скользкой землёй, а также успешно спрыгивал со ступени высотой 90 см. При пересечении 60-сантиметровой ступени скорость достигла 4,25 м/с, а пик 6 м/с зарегистрировали на спуске по лестнице.
Сначала робота упростили до неподвижной фигуры, а потом начали перемещать по вертикальной плоскости. Такая модель не учитывает боковые движения и всю механику ног, зато позволяет быстро генерировать физически правдоподобные траектории.
Так получили 180 тысяч фрагментов (или 15,5 часов) — по 90 тысяч для каждого вида бега. В библиотеке для отдельного движения записали положение и скорость робота, а также усилия, которые должны развивать его 12 моторов.
Основное обучение проходило в среде Isaac Gym от NVIDIA на семи типах рельефа. Сами брёвна и лестницы робот видел с помощью камеры Intel RealSense D435 (до 3 метров) и двумерного лидара Hokuyo (до 5 м).
Их данные объединяются с состоянием корпуса, суставов и историей действий, после чего рекуррентная нейронная сеть (RNN) строит представление рельефа. Правда, при слишком быстрых прыжках лидар перегружался и сходил с ума. Ну, нет предела совершенству.
@anti_robots
Просмотры: 88