Двуногий робот Digit научился носить коробки
Компания Agility Robotics представила вторую версию человекоподобного робота Digit. В новой версии инженеры доработали конструкцию робота, что, к примеру, позволяет переносить небольшие грузы с места на место, восстанавливать равновесие и балансировать на одной ноге, рассказали разработчики изданию IEEE Spectrum.
Инженеры уже несколько десятилетий создают ходячих роботов, однако до сих пор они используются в качестве лабораторных устройств, предназначенных для отработки алгоритмов и новых конструкций. Однако в последние годы сразу несколько компаний занялись разработкой коммерчески доступных ходячих роботов, правда, в основном, четвероногих. К примеру, недавно продажи своего четвероногого робота Spot начала компания Boston Dynamics. Agility Robotics в начале 2019 года представила первую версию двуногого робота Digit и пообещала, что в 2020 году выпустит его коммерческую версию.
Digit имеет достаточно необычную для человекоподобных роботов конструкцию, в которой ноги состоят из двух основных сегментов и выгнуты назад, а не вперед, как у Atlas и других. В новой версии инженеры доработали конструкцию ног Digit и добавили им возможность управлять креном. Это позволяет роботу сопротивляться боковым воздействиям без необходимости переставлять ногу. Кроме того, компания утверждает, что теперь робот способен балансировать на одной ноге благодаря новой конструкции, но она не продемонстрировала это на опубликованном ролике. Вместо этого на видео робот переносит коробку из одного помещения в другое.
Инженеры рассказали, что во время записи ролика робот полностью автономно захватывал коробку и опускал ее на стол, а также автономно делал шаги и поддерживал баланс. Однако пока робот не умеет самостоятельно прокладывать маршрут и избегать препятствий, поэтому за эти этапы отвечает оператор. Тем не менее, робот оснащен достаточно серьезным набором датчиков, поэтому, вероятно, разработчики планируют сделать его автономным.
В верхней части корпуса вместо головы у Digit установлен лидар для объемного сканирования окружающего пространства. Кроме того, робот оснащен четырьмя камерами глубины. В новой версии все эти датчики работают и задействованы для отслеживания положения захватываемых предметов.
Инженеры рассказали, что доработали множество других деталей во второй версии Digit. К примеру, теперь его электроника изолирована от внешней среды, а кроме того, к ней можно подключить и запитать сторонние компоненты. Также руки робота получили измененную конструкцию, а заряжать его аккумулятор можно не вынимая, с помощью зарядного устройства, сравнимого по размерам с теми, которые используются для ноутбуков.
В следующем году компания намерена выпустить третью версию робота, которая станет доступна компаниям для покупки. В ней разработчики не планируют делать больших конструкционных изменений. Вместо этого, они собираются доработать обнаруженные в процессе разработки небольшие недостатки, а также сертифицировать компоненты робота для того, чтобы его можно было продавать.
Летом Agility Robotics продемонстрировала новые возможности более простого двуногого робота Cassie, лишенного верхней части корпуса и рук. Его инженеры научили кататься на гиророликах, причем особенность этого заключается в том, что робот никаким образом не координирует свои движения с гиророликами, а использует для балансировки лишь собственные алгоритмы и датчики.
Григорий Копиев
Алгоритм уменьшает время простоя на 78 процентов
Инженеры из Японии создали алгоритм машинного обучения, который автоматически стимулирует таракана-киборга больше двигаться и не позволяет ему долго оставаться в одном месте. Движение таракана контролируется с помощью электроимпульсов, генерируемых рюкзачком с системой дистанционного управления. Алгоритм увеличил на 70 процентов среднюю дистанцию, пройденную киборгом, и снизил время простоя таракана на 78 процентов. Статья опубликована в Cyborg and Bionic Systems. Миниатюрные роботы могут пригодиться в самых разных сферах: от ремонта авиационных двигателей до поиска выживших под завалами. Однако из-за недостаточной развитости компактной компонентной базы, в особенности актуаторов и источников питания, это все еще сложная инженерная задача, и большинство проектов остаются на уровне лабораторных прототипов. Одно из альтернативных решений состоит в использовании живых организмов, например, тараканов или даже летающих насекомых, которые уже обладают способностью к эффективному передвижению. В их организм внедряют электроды, через которые подключаются электронные модули, контролирующие перемещения насекомого за счет электростимуляции. Однако насекомые-киборги не полностью контролируются электронными системами. Они сохраняют свои особенности поведения, которые могут ограничивать их перемещение. Например, мадагаскарские свистящие тараканы, которые часто используются в экспериментах, склонны к снижению активности в ярко освещенных областях и при недостаточно высокой температуре. Кроме того, они предпочитают бегать вдоль стен, а не по открытым пространствам. Это приводит к сложностям в использовании насекомых-киборгов и требует оптимизации стимулирующих сигналов управления. Группа инженеров под руководством Кейсуке Морисима (Keisuke Morishima) из Университета Осаки внедрила в систему управления тараканом-киборгом алгоритм машинного обучения, который позволяет автоматически стимулировать передвижение насекомого, чтобы оно не оставалось на одном месте. Так же, как и предыдущие исследователи, инженеры использовали особь мадагаскарского шипящего таракана из-за его больших размеров, достигающих семи сантиметров. Для передачи стимулирующих сигналов в усикообразные органы в задней части таракана (церки) были имплантированы платиновые электроды, соединенные медными проводами с приклеенным на спину насекомого шестиграммовым рюкзачком с электронными компонентами. Данные о движении насекомого получают с помощью встроенного в рюкзак инерционного измерительного модуля, который с помощью акселерометра и гироскопа определяет текущие линейное ускорение и угловую скорость таракана. Эта информация по беспроводному каналу связи передается на персональный компьютер на вход алгоритма машинного обучения. Из данных, разбитых на окна по 1,5 секунды, извлекаются признаки, которые затем поступают на вход классификатора, определяющего двигается насекомое или нет. В случае, если таракан остается неподвижным дольше заданного времени, на его церки подаются электрические импульсы. Наиболее эффективным алгоритмом классификации в представленной задаче оказался метод опорных векторов. Для экспериментов инженеры построили арену в форме окружности, над которой разместили камеру для отслеживания реального положения насекомого. Без дополнительной электростимуляции три таракана, использованные в тестах, стремились оставаться в периферийной области у стен арены и избегали открытого пространства большую часть времени. Использование алгоритма и электростимуляции позволило снизить время простоя в среднем на 78 процентов, а время поиска пройденную дистанцию увеличить на 68 и 70 процентов соответственно. При этом среднее время электростимуляции для всех тараканов составило всего 3,4 секунды. Таким образом алгоритм позволяет снизить количество сигналов электростимуляции и тем самым предотвратить утомление животного. Ранее мы рассказывали про американских инженеров, которые разработали носимую поворотную монохромную камеру для жуков и микророботов. Благодаря ее небольшой массе, которая составляет менее четверти грамма, насекомые с ней могут свободно двигаться и балансировать.