นักวิจัยจากโรงเรียนวิทยาการคอมพิวเตอร์แห่งมหาวิทยาลัยคาร์เนกีเมลลอนและมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ได้ออกแบบระบบหุ่นยนต์ที่ช่วยให้หุ่นยนต์ต้นทุนต่ำซึ่งมีขาค่อนข้างเล็กสามารถปีนขึ้นลงบันไดได้ใกล้เคียงกับความสูงของมัน ลัดเลาะไปตามโขดหิน ลื่น ไม่สม่ำเสมอ และสูงชัน และภูมิประเทศที่หลากหลาย รอยแยกของสะพาน ลอกหินและขอบถนน และแม้แต่ทำงานในที่มืด
Deepak Pathak ผู้ช่วยศาสตราจารย์แห่ง Robotics Institute กล่าวว่า "การให้หุ่นยนต์ขนาดเล็กสามารถปีนบันไดและจัดการกับสภาพแวดล้อมที่หลากหลายได้นั้นมีความสำคัญอย่างยิ่งต่อการพัฒนาหุ่นยนต์ที่มีประโยชน์ในบ้านของผู้คน เช่นเดียวกับในการค้นหาและกู้ภัย" Deepak Pathak ผู้ช่วยศาสตราจารย์แห่ง Robotics Institute กล่าว . หุ่นยนต์ที่สามารถทำงานได้หลายอย่างในชีวิตประจำวัน"
ทีมงานนำหุ่นยนต์ไปทดสอบ โดยทดสอบบนบันไดและเนินเขาที่ไม่เรียบในสวนสาธารณะ ท้าทายให้ก้าวข้ามหินขั้นบันไดและพื้นผิวลื่น และขอให้ปีนบันไดเพราะมันสูงเท่ากับมนุษย์กระโดดข้ามสิ่งกีดขวาง หุ่นยนต์อาศัยการมองเห็นและคอมพิวเตอร์ออนบอร์ดขนาดเล็กเพื่อปรับตัวและควบคุมภูมิประเทศที่ท้าทายได้อย่างรวดเร็ว
นักวิจัยฝึกหุ่นยนต์ด้วยการโคลนนิ่ง 4,{1}} ตัวในเครื่องจำลอง โดยฝึกเดินและปีนเขาบนภูมิประเทศที่ท้าทาย ความเร็วของเครื่องจำลองช่วยให้หุ่นยนต์ได้รับประสบการณ์หกปีในหนึ่งวัน เครื่องจำลองยังจัดเก็บทักษะยนต์ที่ได้เรียนรู้ระหว่างการฝึกในโครงข่ายประสาทเทียม ซึ่งนักวิจัยจำลองไว้ในหุ่นยนต์จริง วิธีการนี้ไม่ต้องการวิศวกรรมการเคลื่อนที่ของหุ่นยนต์ด้วยตนเอง -- ซึ่งแตกต่างจากวิธีการแบบดั้งเดิม
ระบบหุ่นยนต์ส่วนใหญ่ใช้กล้องเพื่อสร้างแผนที่ของสภาพแวดล้อมและใช้แผนที่นี้เพื่อวางแผนการเคลื่อนไหวก่อนดำเนินการ กระบวนการนี้ดำเนินไปอย่างเชื่องช้า และมักเกิดปัญหาขึ้นเนื่องจากความคลุมเครือ ความไม่ถูกต้อง หรือความเข้าใจผิดที่เกิดขึ้นในขั้นตอนการทำแผนที่ ซึ่งส่งผลต่อการวางแผนและการเคลื่อนไหวที่ตามมา การทำแผนที่และการวางแผนมีประโยชน์ในระบบที่เน้นการควบคุมระดับสูง แต่ไม่เหมาะกับความต้องการแบบไดนามิกของทักษะระดับต่ำ เช่น การเดินหรือวิ่งบนภูมิประเทศที่ท้าทาย
ระบบใหม่นี้ข้ามขั้นตอนการทำแผนที่และการวางแผน และกำหนดเส้นทางการป้อนข้อมูลด้วยภาพไปยังการควบคุมของหุ่นยนต์โดยตรง สิ่งที่หุ่นยนต์เห็นจะกำหนดวิธีการเคลื่อนที่ แม้แต่นักวิจัยก็ไม่ได้ระบุว่าขาควรเคลื่อนไหวอย่างไร เทคโนโลยีนี้ช่วยให้หุ่นยนต์ตอบสนองต่อภูมิประเทศที่กำลังจะมาถึงได้อย่างรวดเร็วและเคลื่อนที่ผ่านพื้นที่นั้นได้อย่างมีประสิทธิภาพ
เนื่องจากไม่จำเป็นต้องทำแผนที่หรือการวางแผน และใช้การเรียนรู้ของเครื่องเพื่อฝึกการเคลื่อนไหว ตัวหุ่นยนต์เองจึงมีต้นทุนต่ำ หุ่นยนต์ที่ทีมใช้มีราคาถูกกว่าทางเลือกที่มีอยู่อย่างน้อย 25 เท่า อัลกอริทึมของทีมมีศักยภาพในการทำให้หุ่นยนต์ต้นทุนต่ำใช้งานได้อย่างกว้างขวางมากขึ้น
Ananye Agarwal นักศึกษาระดับปริญญาเอกด้านแมชชีนเลิร์นนิงของ SCS กล่าวว่า "ระบบใช้การมองเห็นและข้อเสนอแนะจากร่างกายโดยตรงเป็นคำสั่งอินพุตไปยังเอาต์พุตไปยังมอเตอร์ของหุ่นยนต์ เทคนิคนี้ทำให้ระบบแข็งแกร่งมากในโลกแห่งความเป็นจริง ถ้ามันหลุด บนบันได มันสามารถฟื้นตัวได้ มันสามารถเข้าไปในสภาพแวดล้อมที่ไม่รู้จักและปรับตัวได้”
การมองเห็นการควบคุมโดยตรงนี้ได้รับแรงบันดาลใจทางชีววิทยา มนุษย์และสัตว์ใช้การมองเห็นในการเคลื่อนไหว ลองวิ่งหรือทรงตัวด้วยการหลับตา การวิจัยก่อนหน้านี้ของทีมแสดงให้เห็นว่าหุ่นยนต์ตาบอด (ที่ไม่มีกล้อง) สามารถพิชิตภูมิประเทศที่ท้าทายได้ แต่การเพิ่มการมองเห็นและการอาศัยมันจะช่วยปรับปรุงระบบได้อย่างมาก
ทีมงานยังมองหาองค์ประกอบอื่นๆ ของระบบในธรรมชาติ สำหรับหุ่นยนต์ขนาดเล็กที่สูงน้อยกว่าหนึ่งฟุตในการปีนบันไดหรือสิ่งกีดขวางที่ใกล้เคียงกับความสูงของมัน มันเรียนรู้ที่จะใช้การเคลื่อนไหวที่มนุษย์ใช้เพื่อก้าวข้ามสิ่งกีดขวางที่สูง เมื่อบุคคลต้องยกขาขึ้นสูงเพื่อปีนบันไดหรือสิ่งกีดขวาง จะใช้สะโพกในการเคลื่อนขาออกไปให้พ้นทาง เรียกว่า การลักพาตัวและการลักพาตัว ซึ่งจะทำให้มีที่ว่างมากขึ้น เช่นเดียวกับระบบหุ่นยนต์ที่ออกแบบโดยทีมของ Pathak ซึ่งใช้การลักพาตัวที่สะโพกเพื่อเอาชนะอุปสรรคที่ขัดขวางระบบหุ่นยนต์มีขาที่ทันสมัยที่สุดในตลาด
การเคลื่อนไหวของขาหลังของสัตว์สี่เท้ายังเป็นแรงบันดาลใจให้กับทีมอีกด้วย เมื่อแมวเคลื่อนผ่านสิ่งกีดขวาง ขาหลังของมันจะหลีกเลี่ยงวัตถุเดียวกันกับขาหน้า โดยไม่ได้รับความช่วยเหลือจากดวงตาคู่ใกล้เคียง Pathak กล่าวว่า "สัตว์สี่ขามีหน่วยความจำที่ทำให้ขาหลังสามารถติดตามขาหน้าได้ ระบบของเราก็ทำงานในลักษณะเดียวกัน" Pathak กล่าว หน่วยความจำออนบอร์ดของระบบช่วยให้ขาหลังจดจำสิ่งที่กล้องหน้าเห็นและหลบหลีกสิ่งกีดขวาง
Ashish Kumar, Ph.D. กล่าวว่า "เนื่องจากไม่มีแผนที่ ไม่มีการวางแผน ระบบของเราจะจดจำภูมิประเทศและวิธีที่ขาหน้าเคลื่อน แล้วแปลงเป็นขาหลัง อย่างรวดเร็วและสมบูรณ์แบบ" นักเรียนที่ Berkeley การวิจัยนี้อาจเป็นก้าวสำคัญในการแก้ปัญหาความท้าทายที่มีอยู่กับหุ่นยนต์ที่มีขาและนำพวกมันเข้าไปในบ้านของผู้คน