Une approche pour améliorer rapidement et efficacement la locomotion des robots à pattes

Une approche pour améliorer rapidement et efficacement la locomotion des robots à pattes

Le robot hexapode MORF apprend à franchir les obstacles sur son chemin. Crédit : Thor & Manoonpong.

Ces dernières années, les roboticiens ont développé des robots mobiles avec un large éventail d’anatomies et de capacités. Une classe de systèmes robotiques qui s’est avérée particulièrement prometteuse pour naviguer dans des environnements non structurés et dynamiques sont les robots à pattes (c’est-à-dire les robots à deux pattes ou plus qui ressemblent souvent à des animaux).

Alors que les robots à pattes sont des systèmes très prometteurs, contrôler de manière fiable leurs mouvements, ou locomotion, peut être difficile. Alors que certaines équipes créaient auparavant des contrôleurs de locomotion manuellement, d’autres ont essayé de les programmer automatiquement, en utilisant des algorithmes d’apprentissage automatique. Leur conception automatique peut être avantageuse, mais cela implique généralement de former des algorithmes d’apprentissage automatique pendant de longues périodes.

Mathias Thor et Poramate Manoonpong, deux chercheurs de l’Institut Mærsk Mc-Kinney Møller de l’Université du Danemark du Sud, ont récemment développé une approche alternative pour former des contrôleurs à la locomotion de robots à pattes. Cette approche, présentée dans un article publié dans Intelligence des machines naturellespeut être utilisé pour atteindre des comportements de locomotion de complexité variable en peu de temps.

“Notre article était basé sur mes travaux précédents, où j’utilisais des générateurs de motifs centraux (CPG) pour le contrôle de la locomotion de robots à pattes”, a déclaré Mathias Thor, l’un des chercheurs qui a mené l’étude, à TechXplore. “L’objectif principal de cette nouvelle étude était de montrer qu’un contrôleur de locomotion peut être simple et compréhensible tout en étant capable de générer des comportements de locomotion complexes.”

Une approche pour améliorer rapidement et efficacement la locomotion des robots à pattes

Le robot hexapode MORF. Crédit : Thor & Manoonpong.

Le nouveau contrôleur flexible développé par Thor et Manoonpong est basé sur un générateur de modèle central artificiel (CPG) bio-inspiré et un réseau neuronal prémoteur. Les GPG sont des circuits neuronaux biologiques qui permettent aux animaux de se déplacer de manière innée selon des schémas rythmiques, entraînant des comportements tels que respirer, marcher, voler et nager. De nombreux informaticiens ont récemment tenté de reproduire ces systèmes biologiques dans des machines, pour permettre différents types de locomotion de robots.

“Le CPG génère un signal rythmique que les moteurs doivent suivre, et le réseau neuronal prémoteur remodèle la sortie CPG pour des performances élevées”, a expliqué Thor. “Le remodelage est basé sur la morphologie du robot et le retour sensoriel. Les principaux avantages de notre approche de contrôle sont qu’elle apprend rapidement et qu’elle est compréhensible et modulaire.”

Dans le cadre de leur étude, les chercheurs ont évalué leur approche sur un véritable robot physique à six pattes, appelé MORF. Lors de leurs tests, ils ont constaté qu’il obtenait des résultats remarquables, produisant les comportements de locomotion qu’ils visaient après des temps d’entraînement très courts.

La nouvelle approche est également très flexible et adaptable, car elle permet aux développeurs d’ajouter facilement de nouveaux modules spécifiques au comportement, produisant des comportements de locomotion de plus en plus complexes. À l’avenir, il pourrait être utilisé par les roboticiens et les informaticiens du monde entier pour entraîner rapidement un large éventail de robots à pattes à naviguer dans leur environnement de manière nouvelle et efficace.

“Lorsqu’ils utilisent notre approche, les contrôleurs de locomotion n’ont pas besoin d’être complexes ou de s’entraîner pendant plusieurs heures ou plusieurs jours”, a ajouté Thor. “Au contraire, une locomotion complexe peut émerger de nombreux modules simples agissant en parallèle. Puisque le contrôleur peut apprendre de nouveaux comportements en moins de 30 minutes, nous voulons apprendre les comportements de locomotion directement sur un robot à pattes du monde réel au lieu d’un robot simulé. .”


Une technique qui permet aux robots à pattes d’apprendre continuellement de leur environnement


Plus d’information:
Mathias Thor et al, Contrôle de la locomotion neurale modulaire polyvalent avec apprentissage rapide, Intelligence des machines naturelles (2022). DOI : 10.1038 / s42256-022-00444-0

P. MORF—cadre de robot modulaire. Actes de la 2e Conférence internationale des jeunes sur le génie bionique (2018). p. 21–23.

© 2022 Réseau Science X

Citation: Une approche pour améliorer rapidement et efficacement la locomotion des robots à pattes (15 mars 2022) récupéré le 15 mars 2022 sur https://techxplore.com/news/2022-03-approach-rapidly-effectively-locomotion-legged.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.