• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  • Utilisation d'un cadre de simulation pour étudier les comportements de la colonne vertébrale de robots quadrupèdes

    Crédit :Bhattacharya et al.

    Des chercheurs du centre Robert Bosch pour les systèmes cyber-physiques à Bangalore, Inde, ont récemment proposé un cadre de simulation pour étudier systématiquement les effets de l'actionnement de l'articulation vertébrale sur les performances de locomotion des robots quadrupèdes. Dans leur étude, décrit dans un article prépublié sur arXiv, ils ont utilisé ce cadre pour étudier les comportements de la colonne vertébrale d'un robot quadrupède appelé Stoch 2 et leurs effets sur ses performances de délimitation.

    "Cette recherche est née en explorant les bases de la locomotion rapide chez les animaux quadrupèdes et les robots, Shounak Bhattacharya, l'un des chercheurs qui a mené l'étude, a déclaré TechXplore. « Il est bien connu depuis un certain temps que les animaux quadrupèdes de petite et moyenne taille utilisent la flexibilité de leur colonne vertébrale pour améliorer leur vitesse de locomotion et leur efficacité énergétique. Cette utilisation de la flexibilité a incité les roboticiens à explorer le concept plus en détail pour trouver une solution. à ce problème en utilisant les outils mathématiques disponibles."

    Contrairement aux chercheurs précédents, Bhattacharya et ses collègues ont entrepris d'étudier les comportements de la colonne vertébrale de robots quadrupèdes à l'aide de techniques d'apprentissage automatique. L'objectif principal de leur étude était d'utiliser l'apprentissage par renforcement profond (D-RL) pour réaliser la coordination complexe entre la colonne vertébrale et les jambes chez les robots.

    "Dans un cadre D-RL, apprendre à partir de zéro peut conduire à des politiques meilleures et solides que d'incorporer des conseils humains, " dit Bhattacharya. " Cependant, l'apprentissage à partir de zéro implique de multiples échecs initiaux avant la génération d'une politique de travail. Dans ce travail, plus de 2 millions d'étapes ont été nécessaires avant d'obtenir une police active et utilisable."

    Réaliser de nombreux essais directement sur le matériel d'un robot demande beaucoup de temps et de ressources. Les chercheurs ont donc décidé de simuler le robot et son environnement dans PyBullet, un module python qui améliore le moteur physique Bullet avec des capacités de robotique et d'apprentissage automatique. Dans leur étude, ils ont utilisé PyBullet pour évaluer les effets de l'actionnement de l'articulation vertébrale sur les performances de délimitation de Stoch 2, un robot à épine quadrupède à 16 degrés de liberté.

    "Nous avons entraîné le modèle de robot dans cet environnement et observé que l'algorithme d'apprentissage exécutait une formation complète en 4 heures, lorsqu'il est exécuté pour un maximum de 10 millions de pas, sur un PC alimenté par un Intel Core i7 à 3.5Ghz avec 12 coeurs, et 32 ​​Go de RAM, " Bhattacharya a déclaré. " L'utilisation d'un cadre de simulation a réduit le temps par formation et a supprimé la nécessité d'expérimenter sur le matériel. "

    En utilisant PyBullet comme cadre d'apprentissage pour leur robot, les chercheurs ont obtenu des résultats très prometteurs. Les résultats qu'ils ont recueillis lors des simulations suggèrent que l'utilisation active de la colonne vertébrale fait, En réalité, améliorer la longueur de foulée d'un robot et le coût de transport, tout en réduisant la fréquence naturelle à des valeurs plus réalistes. Finalement, Stoch 2 a atteint une vitesse limite de 2,1 m/s, avec un nombre de Froude maximum de 2.

    Cette étude, supervisé par quatre membres du corps professoral de l'Indian Institute of Science :Shishir Kolathaya, Ashitava Ghosal, Bharadwaj Amrutur et Shalabh Bhatnagar, fait partie d'un projet plus large appelé Walking Robot. À l'avenir, cela pourrait inspirer d'autres chercheurs à utiliser le même cadre de simulation pour améliorer les comportements de la colonne vertébrale de leurs robots et les performances de locomotion qui en découlent.

    « Nous avons obtenu la coordination de la colonne vertébrale et de la jambe grâce à un cadre basé sur D-RL, qui a augmenté l'efficacité énergétique et la vitesse du quadrupède, " a déclaré Bhattacharya. " Il faut noter que tous ces comportements ont été obtenus à partir de zéro sans aucune compréhension de la mécanique de la colonne vertébrale. Dans nos futurs travaux, nous prévoyons de déployer le réseau neuronal sur le matériel et d'exécuter directement la politique apprise."

    © 2019 Réseau Science X




    © Science https://fr.scienceaq.com