Robotter lærer at holde fast i vægge, så de ikke falder

Robotter lærer at holde fast i vægge, så de ikke falder. Begyndelsen på en virkelig mere naturlig adfærd.

Færdig med faldende robotter? Forskere ved University of Lorraine har udviklet et “Damage Reflex” (“D-Reflex”) system, der gør det muligt for TALOS humanoide robotten at læne sig op ad en væg på egen hånd, når et af dens kameraer går i stykker. mistede lige balancen.

Robotter lærer at holde fast i vægge, så de ikke falder

Det neurale netværkssystem bruger sin erfaring – i dette tilfælde mindst 882.000 træningssimuleringer – til hurtigt at finde det punkt på væggen, der bedst vil give det den stabilitet, det søger. Robotten behøver ikke at vide, hvor beskadiget den er og kan komme sig lige så hurtigt som en rigtig person.

Resultatet, som IEEE Spectrum påpeger, er præcis, hvad du tror. I stedet for at falde til jorden og blive helt ubrugelig, læner robotten sig mod væggen som en person, der lige har mistet fodfæstet og/eller balancen. Det er ikke specielt elegant og kræver, at robotten stopper hånden i kontaktøjeblikket, men det er effektivt tre ud af fire gange.

Begyndelsen på virkelig mere naturlig adfærd

D-Flex garanterer ikke, at alle fald vil blive forhindret, især fordi den ikke kan rumme alle mulige positioner eller overflader. Systemet hjælper heller ikke robotten med at komme sig efter en nødalarm, så du vil ikke se robotten halte langs væggen, før den finder hjælp. Den nuværende tilgang er også baseret på en stationær bot, under alle omstændigheder vil det ikke hjælpe, hvis en eller anden mekanisme fejler ved fuld hastighed.

Forskerne håber selvfølgelig på at få deres system til at fungere, når robotten er i bevægelse, og forestiller sig robotter, der kan gribe fat i en stol eller en anden svær genstand, når et fald er nært forestående. Dette kan for eksempel give mulighed for ikke at erstatte industrirobotter, og også føre til fremkomsten af ​​mere “naturlige” humanoider, som kan lære at bruge miljøet til deres fordel.