Рига: +11.3°С
Прорыв в мобильности: UMV от Института RAI
Исследователи из Института робототехники и искусственного интеллекта (RAI) представили инновационную разработку — двухколесного велоробота под названием Ultra Mobility Vehicle (UMV). Эта машина призвана стереть грань между эффективностью колесного транспорта и способностью преодолевать сложный рельеф, свойственной шагающим роботам. UMV не просто передвигается; он продемонстрировал навыки, сравнимые с умениями опытных велосипедистов-триалистов: машина уверенно держит баланс, маневрирует, совершает прыжки через препятствия и даже сохраняет равновесие, стоя на одном колесе.
Разработка RAI Institute ставит под сомнение устоявшиеся представления о балансировке роботов. Создатели стремятся найти оптимальный компромисс между скоростью, энергоэффективностью и проходимостью, что является одной из ключевых задач современной робототехники. По словам соавторов проекта, Бена Боксера и Сурьи Сингха, идея возникла из наблюдения за тем, как профессиональные велосипедисты ежедневно справляются с комплексом задач: быстрая езда по разным поверхностям, преодоление барьеров и точное маневрирование.
Искусственный интеллект вместо гироскопа
Главная особенность UMV заключается в его системе стабилизации. В отличие от большинства самобалансирующихся двуколесных аппаратов, робот не использует гироскоп для удержания равновесия. Вместо этого, машина имитирует движения человека-велосипедиста. Основная стабилизация достигается за счет смещения центра тяжести, которое обеспечивается компактным шарнирным механизмом в верхней части конструкции. Этот механизм позволяет быстро изменять положение массивной платформы с оборудованием, толкая ее вверх или в сторону для корректировки баланса.
Ключевую роль в освоении столь сложных и динамических движений играет обучение с подкреплением (Reinforcement Learning, RL). Этот метод искусственного интеллекта позволяет роботу учиться на собственном опыте, взаимодействуя с окружающей средой и максимизируя вознаграждение за успешное выполнение задачи. Разработчики отмечают, что RL позволил UMV освоить движения, которые крайне сложно запрограммировать с помощью классических алгоритмов. Среди продемонстрированных трюков — «банни-хоп» (прыжок с одновременным поднятием переднего и заднего колес), езда на заднем колесе и даже движение задним ходом, что считается крайне сложной задачей для подобных систем.
Вдохновение трюками и миссия проекта
Инженеры RAI вдохновлялись спортивными дисциплинами, в частности, маунтинбайк-триалом, где атлеты демонстрируют поразительное сочетание навыков, восприятия и планирования для преодоления труднодоступных трасс. Задача UMV — не просто впечатлить демонстрационными видеороликами. Основная цель проекта, как заявляет исполнительный директор Института Марк Райберт, заключается в создании машин, которые способны мыслить, адаптироваться и понимать собственные физические возможности.
Исследователи хотят, чтобы робот мог когнитивно оценить, сможет ли он преодолеть то или иное препятствие, будь то бордюр, крупный камень или лестничный пролет. Это требует не только отточенных двигательных навыков, но и развитого восприятия и ситуационной осведомленности. UMV — это исследовательская платформа, нацеленная на поиск «золотой середины» между скоростными колесными системами и универсальными, но медленными, шагающими роботами.
Потенциальное применение и перспективы
Хотя UMV на данный момент является чисто исследовательской машиной, его технологии несут значительный потенциал для будущих прикладных систем. Сочетание скорости колес на ровной поверхности и способности перепрыгивать через разрывы или вертикальные ступени открывает новые горизонты для роботов, работающих на местности со смешанным типом покрытия.
Среди возможных долгосрочных преимуществ упоминается использование таких роботов для инспекционных работ и поисково-спасательных операций в зонах с внезапными вертикальными изменениями ландшафта, где возможность быстрого запрыгивания на уступ может критически сократить время реагирования. Кроме того, повышается эффективность в логистических, сельскохозяйственных и промышленных задачах, требующих высокой маневренности и скорости перемещения.
В контексте анонса, который упоминает потенциальную оценку производительности в работе служб доставки (намек на компании вроде Glovo), можно предположить, что отработка таких динамических навыков может в будущем быть адаптирована для курьерских роботов, которым приходится сталкиваться с городскими препятствиями — от бордюров до ступеней подъездов. Однако, как отмечают эксперты, перенос симуляционных навыков на физические прототипы всегда остается непростой задачей, требующей постоянной калибровки.
Следите за новостями на других платформах: