\nCUALQUIER persona puede hacer parkour y caminar sobre escombros. El robot cuadr\u00fapedo volvi\u00f3 al colegio y ha aprendido mucho. <\/p>\n<\/figcaption><\/figure>\n
Conozca ANYmal, un robot parecido a un perro de cuatro patas dise\u00f1ado por investigadores de ETH Z\u00fcrich en Suiza, con la esperanza de utilizar dichos robots para b\u00fasqueda y rescate en sitios de construcci\u00f3n o \u00e1reas de desastre, entre otras aplicaciones. Ahora ANYmal ha sido actualizado para realizar movimientos rudimentarios de parkour, tambi\u00e9n conocidos como \u00abcarrera libre\u00bb. Los entusiastas del parkour humano son conocidos por sus haza\u00f1as acrob\u00e1ticas notablemente \u00e1giles, y aunque ANYmal no puede igualarlas, el robot salt\u00f3 con \u00e9xito espacios, subi\u00f3 y baj\u00f3 grandes obst\u00e1culos y se agach\u00f3 para maniobrar debajo de un obst\u00e1culo, seg\u00fan un art\u00edculo reciente. publicado en la revista Science Robotics.<\/p>\n
El equipo de ETH Z\u00fcrich introdujo el enfoque original de ANYmal para el aprendizaje por refuerzo en 2019 y mejor\u00f3 su propiocepci\u00f3n (la capacidad de sentir movimiento, acci\u00f3n y ubicaci\u00f3n) tres a\u00f1os despu\u00e9s. El a\u00f1o pasado, el equipo present\u00f3 un tr\u00edo de robots ANYmal personalizados, probados en entornos lo m\u00e1s cercanos posible al duro terreno lunar y marciano. Como se inform\u00f3 anteriormente, los robots capaces de caminar podr\u00edan ayudar a los futuros rovers y mitigar el riesgo de da\u00f1os por bordes afilados o p\u00e9rdida de tracci\u00f3n en regolito suelto. Cada robot ten\u00eda un sensor lidar. pero cada uno de ellos estaba especializado para funciones particulares y a\u00fan era lo suficientemente flexible como para cubrirse mutuamente: si uno falla, los dem\u00e1s pueden hacerse cargo de sus tareas.<\/p>\n
Por ejemplo, el objetivo principal del modelo Scout era inspeccionar su entorno utilizando c\u00e1maras RGB. Este robot tambi\u00e9n utiliz\u00f3 otro generador de im\u00e1genes para mapear regiones y objetos de inter\u00e9s utilizando filtros que dejan pasar diferentes \u00e1reas del espectro de luz. El modelo Scientist ten\u00eda la ventaja de un brazo con un MIRA (Analizador Raman instant\u00e1neo Metrohm) y un MICRO (generador de im\u00e1genes microsc\u00f3pico). MIRA pudo identificar sustancias qu\u00edmicas en los materiales encontrados en la superficie del \u00e1rea de demostraci\u00f3n bas\u00e1ndose en c\u00f3mo dispersaban la luz, mientras que el MICRO en su mu\u00f1eca los tom\u00f3 im\u00e1genes de cerca. El H\u00edbrido era m\u00e1s generalista y ayudaba al Explorador y al Cient\u00edfico con mediciones de objetivos cient\u00edficos como rocas y cr\u00e1teres.<\/p>\n\n Anuncio <\/span> <\/p>\n<\/aside>\nA pesar de lo avanzado que se ha vuelto CUALQUIER robot y los robots con patas similares en los \u00faltimos a\u00f1os, a\u00fan quedan desaf\u00edos importantes antes de que sean tan \u00e1giles y \u00e1giles como los humanos y otros animales. \u00abAntes de que comenzara el proyecto, varios de mis colegas investigadores pensaban que los robots con patas ya hab\u00edan alcanzado los l\u00edmites de su potencial de desarrollo\u00bb, dijo la coautora Nikita Rudin, estudiante de posgrado en ETH Zurich que tambi\u00e9n practica parkour. \u201cPero yo ten\u00eda una opini\u00f3n diferente. De hecho, estaba seguro de que se pod\u00eda hacer mucho m\u00e1s con la mec\u00e1nica de los robots con patas\u201d.<\/p>\n\nAgrandar
\/<\/span> El robot cuadr\u00fapedo ANYmal practica parkour en una sala de la ETH Z\u00fcrich.<\/div>\nETH Z\u00farich \/ Nikita Rudin<\/p>\n<\/figcaption><\/figure>\n
El parkour es bastante complejo desde el punto de vista de la rob\u00f3tica, lo que lo convierte en una tarea ideal para el pr\u00f3ximo paso del equipo suizo en las capacidades de ANYmal. El parkour puede implicar grandes obst\u00e1culos, lo que requiere que el robot \u00abrealice maniobras din\u00e1micas en los l\u00edmites de actuaci\u00f3n mientras controla con precisi\u00f3n el movimiento de la base y las extremidades\u00bb, escribieron los autores. Para tener \u00e9xito, ANYmal debe ser capaz de sentir su entorno y adaptarse a los cambios r\u00e1pidos, seleccionando un camino factible y una secuencia de movimientos de su conjunto de habilidades programadas. Y tiene que hacer todo eso en tiempo real con una inform\u00e1tica integrada limitada.<\/p>\n
El enfoque general del equipo suizo combina el aprendizaje autom\u00e1tico con el control basado en modelos. Dividieron la tarea en tres componentes interconectados: un m\u00f3dulo de percepci\u00f3n que procesa los datos de las c\u00e1maras a bordo y LiDAR para estimar el terreno; un m\u00f3dulo de locomoci\u00f3n con un cat\u00e1logo programado de movimientos para superar terrenos espec\u00edficos; y un m\u00f3dulo de navegaci\u00f3n que gu\u00eda al m\u00f3dulo de locomoci\u00f3n en la selecci\u00f3n de qu\u00e9 habilidades usar para navegar diferentes obst\u00e1culos y terrenos usando comandos intermedios.<\/p>\n
Rudin, por ejemplo, utiliz\u00f3 el aprendizaje autom\u00e1tico para ense\u00f1arle a CUALQUIER algunas habilidades nuevas mediante prueba y error, es decir, escalar obst\u00e1culos y descubrir c\u00f3mo trepar y saltar de ellos. La c\u00e1mara del robot y su red neuronal artificial le permiten elegir las mejores maniobras en funci\u00f3n de su entrenamiento previo. Otro estudiante de posgrado, Fabian Jenelten, utiliz\u00f3 control basado en modelos para ense\u00f1ar a ANYmal c\u00f3mo reconocer y sortear huecos en montones de escombros, aumentado con aprendizaje autom\u00e1tico para que el robot pudiera tener m\u00e1s flexibilidad al aplicar patrones de movimiento conocidos a situaciones inesperadas.<\/p>\n\n Anuncio <\/span> <\/p>\n<\/aside>\n\nAgrandar
\/<\/span> CUALQUIER en un campo de entrenamiento de defensa civil.<\/div>\nETH Z\u00farich \/ Fabi\u00e1n Jenelten<\/p>\n<\/figcaption><\/figure>\n
Entre las tareas que ANYmal pudo realizar estaba saltar de una caja a otra vecina a hasta 1 metro de distancia. Esto requiri\u00f3 que el robot se acercara al espacio de lado, colocara sus pies lo m\u00e1s cerca posible del borde y luego usara tres piernas para saltar mientras extend\u00eda la cuarta para aterrizar en la otra caja. Luego podr\u00eda transferir dos tramos diagonales antes de cruzar el espacio con el \u00faltimo tramo. Esto significaba que ANYmal pod\u00eda recuperarse de cualquier paso en falso y deslizamiento transfiriendo su peso entre las piernas que no saltaban.<\/p>\n
ANYmal tambi\u00e9n pudo bajar de una caja de 1 metro de altura para alcanzar un objetivo en el suelo, adem\u00e1s de trepar por la caja. Tambi\u00e9n puede agacharse para alcanzar un objetivo al otro lado de un pasaje estrecho, bajando su base y adaptando su andar en consecuencia. El equipo tambi\u00e9n prob\u00f3 las habilidades para caminar de ANYmal, en las que el robot atraves\u00f3 con \u00e9xito escaleras, pendientes, peque\u00f1os obst\u00e1culos aleatorios, etc.<\/p>\n
ANYmal todav\u00eda tiene sus limitaciones cuando se trata de navegar en entornos del mundo real, ya sea un recorrido de parkour o los escombros de un edificio derrumbado. Por ejemplo, los autores se\u00f1alan que a\u00fan tienen que probar la escalabilidad de su enfoque a escenarios m\u00e1s diversos y no estructurados que incorporen una variedad m\u00e1s amplia de obst\u00e1culos; El robot s\u00f3lo se prob\u00f3 en unos pocos escenarios seleccionados. \u00abQueda por ver qu\u00e9 tan bien estos diferentes m\u00f3dulos pueden generalizarse a escenarios completamente nuevos\u00bb, escribieron. El enfoque tambi\u00e9n lleva mucho tiempo, ya que requiere ocho redes neuronales que deben ajustarse por separado, y algunas de las redes son interdependientes, por lo que cambiar una significa cambiar y volver a entrenar las dem\u00e1s tambi\u00e9n.<\/p>\n
A\u00fan as\u00ed, ANYmal \u00abahora puede evolucionar en escenas complejas donde debe escalar y saltar sobre grandes obst\u00e1culos mientras selecciona un camino no trivial hacia su ubicaci\u00f3n objetivo\u00bb, escribieron los autores. Por lo tanto, \u00abal intentar igualar la agilidad de los corredores libres, podemos comprender mejor las limitaciones de cada componente en el proceso, desde la percepci\u00f3n hasta la actuaci\u00f3n, eludir esos l\u00edmites y, en general, aumentar las capacidades de nuestros robots\u00bb.<\/p>\n
Science Robotics, 2024. DOI: 10.1126\/scirobotics.adi7566 (Acerca de los DOI).<\/p>\n
Imagen de listado de ETH Zurich \/ Nikita Rudin<\/em><\/p>\n<\/p><\/div>\n \nSource link-49<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"CUALQUIER persona puede hacer parkour y caminar sobre escombros. El robot cuadr\u00fapedo volvi\u00f3 al colegio y ha aprendido mucho. Conozca ANYmal, un robot parecido a un perro de cuatro patas…<\/p>\n","protected":false},"author":1,"featured_media":1073539,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[21980],"tags":[19937,4643,87,8,166,4776,107,6467,5091,8597,5725],"_links":{"self":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/1073537"}],"collection":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/comments?post=1073537"}],"version-history":[{"count":1,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/1073537\/revisions"}],"predecessor-version":[{"id":1073540,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/1073537\/revisions\/1073540"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media\/1073539"}],"wp:attachment":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media?parent=1073537"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/categories?post=1073537"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/tags?post=1073537"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}