Четвероногий робот-футболист может играть и в грязь, и в снег
Робо-футбол существует с середины 1990-х годов, хотя эти матчи, как правило, представляют собой довольно упрощенную версию человеческой игры. Однако заставить робота манипулировать мячом так же ловко, как это делает человек – весьма интересная задача для робототехников.
Обычно усилия исследователей были сосредоточены на колесных роботах, играющих на очень плоской однородной поверхности и преследующих мяч, пока тот не остановится сам. Для DribbleBot команда использовала четвероногого робота с двумя объективами типа «рыбий глаз» и бортовой компьютер с возможностью обучения нейронной сети для отслеживания футбольного мяча размера 3 над территорией с неровным рельефом настоящего поля, включая песок, грязь и снег. Это не только сделало траекторию движения мяча менее предсказуемой, но и повысило опасность падения, от которого 40-сантиметровому роботу сначала пришлось бы восстанавливаться, после чего предстояло еще и разыскивать мяч во всему полю.
Поставленная задача может показаться простой в мире, где роботы Boston Dynamics уже научились бегать по пересеченной местности и делать сальто назад, но с активным ведением меча все не так однозначно. Ходячий робот может полагаться на внешние визуальные датчики, а для сохранения равновесия он анализирует, насколько хорошо его ноги цепляются за землю. Мяч, катящийся по неровной поверхности, отследить гораздо сложнее, поскольку он реагирует на небольшие факторы, которые не влияют на ведущего. Это, в свою очередь, требует, чтобы робот овладел навыками одновременного управления и своим телом, и мячом во время движения.
Чтобы ускорить этот процесс, параллельно в режиме реального времени было проведено 4000 цифровых симуляций, включая задействованную динамику и предполагаемую реакцию бота на различные ситуации. Когда робот вел мяч правильно, система засчитывала это ему в «плюс», тогда как промахи и ошибки становились условными «минусами». В итоге симуляции позволили сжать сотни дней игры всего в пару.
После этого набор из бортовой камеры, датчиков и приводов робота позволили ему применить то, чему он научился в цифровом виде, на практике, где случайных факторов всегда больше, чем даже в самой сложной симуляции. Исследователи настроены оптимистично и утверждают, что это далеко не предел роботизированных систем, а всего лишь начало их пути к реалистичному поведению.