Китайцы показали прототип домашнего человекоподобного робота
Китайская компания UBTECH Robotics представила человекоподобного робота Walker X. Он умеет обходить препятствия, брать в руки предметы и общаться с людьми голосом, а также световыми индикаторами. Видео с презентацией робота опубликовано на YouTube-канале компании.
Человекоподобные роботы позиционируются их разработчиками как устройства, которые в будущем будут сосуществовать с людьми, помогая им в быту, и заменять специалистов-людей в опасных условиях. В основном их можно разделить на два класса: полноразмерные роботы размером с человека, такие как Atlas и Digit, и небольшие с гораздо меньшим ростом, например, NAO от Softbank и Alpha от UBTECH Robotics. Помимо совсем небольшого коммерческого Alpha инженеры компании уже несколько лет разрабатывают робота промежуточного размера Walker и теперь представили его новую версию Walker X.
Компания не раскрывает точный размер прототипа, но известно, что рост предыдущей версии составлял 140 сантиметров, а у новой, судя по ролику, он такой же, как у ребенка возрастом в несколько лет и сидящего взрослого человека. По конструкции Walker X повторяет строение человеческого тела с руками, ногами и головой, приводимыми в движение 41 сервомотором. Кисти рук также повторяют человеческие и состоят из пяти пальцев. Робот может сжимать их, захватывать предметы и даже выполнять довольно сложные для роботов действия, например, откручивать крышку бутылки. Максимальная масса предметов, которые робот может держать в руках, составляет 2,7 килограмма.
Робот может общаться с людьми двумя способами. Во-первых, у него есть система распознавания и синтеза речи для общения голосом. А во-вторых, в голове на уровне глаз установлен большой экран, имитирующий мимику глаз — всего у робота предусмотрено 28 видов эмоций. Также на корпусе установлены световые индикаторы, активирующиеся во время тех или иных взаимодействий.
Walker X умеет автономно передвигаться в знакомых и новых местах, используя стандартный для этой задачи алгоритм одновременной локализации и построения карты (SLAM). Для навигации робот использует камеры глубины, расположенные в голове, груди и животе. С их помощью робот может обнаруживать препятствия и обходить их, а также отходить от людей и других подвижных объектов, когда они подходят слишком близко. Максимальная скорость ходьбы составляет три километра в час.
Разработчики продемонстрировали в ролике несколько возможностей робота. Например, он способен подниматься по лестнице и наклонной поверхности, причем он умеет подстраиваться, если угол наклона меняется в реальном времени. Также компания показала, как робот балансирует и удерживает себя на ногах, когда его толкают.
Домашние человекоподобные роботы не всегда в точности повторяют строение человеческого тела и, более того, не всегда ходят по полу. Toyota уже не первый год экспериментирует с роботом, ездящим по потолку, а недавно научила его различать прозрачные предметы и делать селфи.
Григорий Копиев
Он показал лучшее время на трассе, обойдя соперников на полсекунды
Инженеры разработали автопилот для гоночного дрона, управляющий беспилотником на уровне лучших людей-пилотов. Алгоритм под названием Swift, полученный с помощью метода обучения с подкреплением, способен управлять гоночным квадрокоптером, полагаясь только на данные бортовых сенсоров. В реальных полетах на тестовой трассе для дрон-рейсинга Swift смог превзойти трех профессиональных пилотов-чемпионов, выиграв у них 15 гонок из 25 и пройдя трассу с минимальным временем, которое на полсекунды меньше лучшего результата пилота-человека. Статья опубликована в журнале Nature. При поддержке Angie — первого российского веб-сервера Дрон-рейсинг — вид спорта, в котором мультикоптеры на высокой скорости проходят трассу, состоящую из последовательности ворот, через которые нужно пролететь за минимально возможное время. При этом управление происходит от первого лица, с помощью камеры и видеоочков. Современные дроны обладают очень высокой маневренностью и подвижностью: они могут резко менять направление движения, ускоряться, замедляться и совершать перевороты, а во время гонки они разгоняются до скоростей свыше 100 километров в час и подвержены перегрузкам, превышающим их собственный вес в пять раз. Это делает их пилотирование непростой задачей и требует хорошей подготовки и высокой скорости реакции оператора. Инженеры давно работают над созданием автопилота, который мог бы управлять дроном на уровне профессиональных пилотов. Помимо участия в дрон-рейсинге такая способность может пригодиться и в обычной жизни — мультикоптеры обладают невысокой энергоэффективностью, поэтому способность быстро летать и успешно маневрировать в окружении большого числа препятствий напрямую связана с успешностью выполнения задач. Инженеры под руководством Давида Скарамузза (Davide Scaramuzza) из Цюрихского университета уже имеют опыт разработки эффективных алгоритмов управления для дронов. К примеру, ранее они создали автопилот, способный управлять квадрокоптером на скорости от 3 до 7 метров в секунду в лесу между деревьев, полагаясь только на данные с бортовых сенсоров. В своей новой работе инженеры представили алгоритм под названием Swift. Он способен эффективно управлять гоночным квадрокоптером на уровне профессионального пилота дрон-рейсинга. Swift состоит из двух основных модулей: системы восприятия, которая переводит изображение от бортовой камеры дрона и данные от инерционного измерительного блока IMU в низкоразмерное представление, а также системы управления, которая принимает на вход низкоразмерное представление, созданное системой восприятия, и генерирует управляющие команды для электромоторов дрона. В модуль системы восприятия также входит алгоритм, вычисляющий текущее положение дрона в пространстве на основе данных камеры и инерционно-измерительного блока. Эта информация через фильтр Калмана объединяется с данными об относительном положении гоночных ворот, обнаруженных предварительно обученным нейросетевым детектором объектов в видеопотоке, после чего передается на вход системы управления, которая состоит из двух скрытых слоев, по 128 нейронов в каждом. Система управления тренировалась в симуляции с использованием модельно-свободного глубокого обучения с подкреплением. Этот метод обучения использует метод проб и ошибок, чтобы максимизировать величину параметра вознаграждения. В данном случае вознаграждение было максимальным в случае, если дрон следовал в сторону центра ближайших ворот таким образом, чтобы следующие ворота оставались в поле зрения камеры. Чтобы учесть различия между симуляцией и реальной динамикой полета, в процессе обучения информацию симулятора дополнили данными из реального мира, записанными с помощью системы захвата движений. Оценку автопилота провели на трассе для дрон-рейсинга, состоящей из семи ворот, установленных на квадратной площадке с длиной стороны 30 метров. Длина маршрута через все ворота составляла 75 метров. Алгоритм соревновался с тремя профессиональными пилотами Алексом Вановером (Alex Vanover), Томасом Битматтой (Thomas Bitmatta) и Марвином Шэппером (Marvin Schaepper). Все участники использовали гоночные дроны с одинаковыми характеристиками. Перед испытательными соревнованиями у пилотов была неделя для знакомства с трассой. В соревнованиях каждый из пилотов стартовал одновременно с дроном под управлением автопилота. Победителем становился тот, кто быстрее пролетит через все ворота на трассе в правильном порядке три раза. По результатам Swift смог выиграть у своих соперников в совокупности 15 гонок из 25, а также установил рекорд трассы, пролетев ее быстрее на полсекунды, чем остальные участники. https://www.youtube.com/watch?v=fBiataDpGIo&t=1s Инженеры разрабатывают гоночные автопилоты и для автомобилей. Например, инженеры из подразделения искусственного интеллекта компании Sony создали алгоритм автопилота GT Sophy, который с помощью обучения с подкреплением научился проходить за минимальное время трассы в гоночном автосимуляторе Gran Turismo Sport. В настоящих киберспортивных соревнованиях GT Sophy не только показала лучшее время в одиночных заездах, но и смогла победить команду лучших игроков в совместных гонках, набрав больше всего очков.