مقارنة الروبوتات مع باركور المستوحى من الكلاب

مستوحاة من دورات رشاقة الكلاب ، طور فريق من العلماء من Google DeepMind دورة لخفة الحركة الروبوتية لاختبار قدرات الروبوتات رباعية الأرجل المسماة “Barkour”.

منذ سبعينيات القرن الماضي ، تم تدريب الكلاب على القفز برشاقة من خلال الأطواق ، وقياس المنحدرات ، والنسج بين القطبين من أجل إظهار خفة الحركة. لأخذ شرائط منزلية في هذه المسابقات ، يجب ألا تتمتع الكلاب بالسرعة فحسب ، بل يجب أن تتمتع بردود فعل شديدة والاهتمام بالتفاصيل. تضع هذه الدورات أيضًا معيارًا لكيفية قياس خفة الحركة عبر السلالات ، وهو أمر يقول Atil Iscen – عالم Google DeepMind في دنفر – إنه يفتقر إلى عالم الروبوتات ذات الأرجل الأربعة.

“لقد أخذنا في الاعتبار بشكل استباقي إمكانية استنساخ المعيار وحافظنا على انخفاض تكلفة المواد والبصمة. نود أن نرى إعدادات Barkour تظهر في مختبرات أخرى “.
—إيتيل إيسين ، Google DeepMind

على الرغم من التطورات العظيمة في العقد الماضي ، بما في ذلك الروبوتات مثل Mini Cheetah من MIT و Boston Dynamics Spot التي أظهرت كيف يمكن أن تكون حركة الروبوتات الشبيهة بالحيوان ، إلا أن الافتقار إلى المهام الموحدة لهذه الأنواع من الروبوتات جعل من الصعب مقارنة تقدمها. . يقول Iscen.

يقول إيسين: “على عكس المعايير السابقة التي تم تطويرها للروبوتات ذات الأرجل ، يحتوي باركور على مجموعة متنوعة من العقبات التي تتطلب مزيجًا من أنواع مختلفة من السلوكيات مثل المشي الدقيق والتسلق والقفز”. “علاوة على ذلك ، فإن المقياس القائم على التوقيت لمكافأة السلوك الأسرع يشجع الباحثين على دفع حدود السرعة مع الحفاظ على متطلبات الدقة وتنوع الحركة.”

لدورة خفة الحركة ذات الحجم الصغير – كانت دورة باركور 25 مترًا مربعًا بدلاً من 743 مترًا مربعًا المستخدمة في الدورات التقليدية – اختار إيسين وزملاؤه أربعة عوائق من دورات خفة الحركة التقليدية للكلاب: طاولة وقفة ، أعمدة منسوجة ، تسلق A- الإطار والقفز.

تستخدم الدورة المعيارية الرباعية الروبوتية “Barkour” أربعة عوائق من الدورات التدريبية التقليدية لخفة الحركة لدى الكلاب وتوحد مجموعة من مقاييس الأداء حول ذلك. جوجل

وقال: “اخترنا هذه العقبات لوضع محاور متعددة للرشاقة ، بما في ذلك السرعة والتسارع والتوازن”. “من الممكن أيضًا تخصيص المسار بشكل أكبر من خلال توسيعه لاحتواء أنواع أخرى من العوائق داخل منطقة أكبر.”

على غرار مسابقات رشاقة الكلاب ، يتم خصم نقاط من الروبوتات التي تشارك في هذه الدورة لفشلها أو تفويتها عقبة ، وكذلك لتجاوز الحد الزمني للدورة وهو 11 ثانية تقريبًا. لمعرفة مدى صعوبة مسارهم ، طور فريق DeepMind نهجين مختلفين للتعلم للدورة: نهج متخصص تم تدريبه على كل نوع من المهارات اللازمة للدورة ، على سبيل المثال القفز ، وتسلق المنحدرات ، ونهج عام تم تدريبه بواسطة دراسة عمليات المحاكاة باستخدام نهج متخصص.

بعد تدريب روبوت رباعي الأرجل بكل من هذين الأسلوبين المختلفين ، أطلق الفريق عليهم في الدورة ووجدوا أن النهج المتخصص قد تفوق قليلاً على النهج المعمم من خلال إكمال الدورة التدريبية في حوالي 25 ثانية ، بينما استغرقت المحاولة العامة ما يقرب من 27 ثواني. ومع ذلك ، لم يتجاوز كلا النهجين الحد الزمني للدورة فحسب ، بل تجاوزهما أيضًا كلبان صغيران – كلب صغير طويل الشعر / مزيج تشيهواهوا وكلب ألماني – أكملوا الدورة في أقل من 10 ثوانٍ.

هنا كلب حقيقي [left] وروبوت رباعي الأرجل [right] يصعدوا ثم يبدؤوا بالنزول في تحدي الإطار A لدورة بركور. جوجل

كتب الفريق في استنتاجهم: “لا تزال هناك فجوة كبيرة في خفة الحركة بين الروبوتات ونظرائهم من الحيوانات ، كما هو موضح في هذا المعيار”.

في حين أن أداء الروبوتات قد يكون أقل من التوقعات ، كتب الفريق أن هذا في الواقع إيجابي لأنه يعني أنه لا يزال هناك مجال للنمو والتحسين. يأمل Iscen في المستقبل أن تجعل التكاثر السهل لدورة بركور معيارًا جذابًا لاستخدامه في جميع أنحاء المجال.

يقول إيسين: “لقد نظرنا بشكل استباقي في إمكانية إعادة إنتاج المعيار ، وحافظنا على انخفاض تكلفة المواد والبصمة”. “نود أن نرى إعدادات بركور تنبثق في مختبرات أخرى وسنكون سعداء لمشاركة دروسنا المستفادة حول بنائها ، إذا تمكنت فرق البحث الأخرى المهتمة بالعمل من الوصول إلينا. نود أن نرى مختبرات أخرى تتبنى هذا المعيار حتى يتمكن المجتمع بأكمله من معالجة هذه المشكلة الصعبة معًا “.

بالنسبة لفريق DeepMind ، يقول Iscen إنهم مهتمون أيضًا باستكشاف جانب آخر من دورات خفة الحركة للكلاب في عملهم المستقبلي: دور الشركاء البشريين.

“على السطح ، يبدو أن مسابقات رشاقة الكلاب (الحقيقية) تتعلق فقط بأداء الكلب. ومع ذلك ، هناك الكثير من اللحظات العابرة للتواصل بين الكلب ومدربه ، “يشرح. “في هذا السياق ، نحن حريصون على استكشاف التفاعلات بين الإنسان والروبوت ، مثل كيف يمكن للمعالج أن يعمل مع روبوت ذو أرجل لتوجيهه بسرعة خلال مسار عقبة جديد.”

نُشرت ورقة بحثية تصف دورة “Barkour” الخاصة بـ DeepMind على خادم arXiv preprint في مايو.