Исследователи из Швейцарской высшей технической школы Цюриха разработали систему управления, которая позволяет гуманоидному роботу выбирать точки опоры для рук, ног и корпуса в зависимости от окружающей среды. В симуляциях робот Unitree G1 преодолел восемь комбинированных трасс с препятствиями со средней успешностью 92,5%.

Система получила название Attention-based Contact Planning (ACP). Она использует искусственный интеллект, чтобы определять, куда роботу следует поставить руки, ноги, колени, локти и таз для безопасного перемещения. В отличие от заранее запрограммированной последовательности движений, робот самостоятельно выбирает подходящие точки опоры с учётом рельефа и поставленной задачи.

Показатель 92,5% был получен в симуляциях. Для сравнения, другой метод генерации и отслеживания движений продемонстрировал результат 58,8%. Исследователи отдельно отмечают, что эти значения относятся к виртуальным испытаниям, а не к тестам в реальных условиях.

ACP объединяет обучение с подкреплением и имитацию движений. В первом случае система совершенствуется благодаря многократным попыткам и обратной связи, а во втором обучается на заранее записанных движениях. Оба подхода имеют ограничения: обучение с подкреплением может осложнять координацию всего тела в сложных задачах, а имитация не всегда обеспечивает достаточную адаптацию к незнакомым препятствиям.

Новый метод разделяет планирование точек опоры и выполнение движений. Нейронная сеть анализирует поверхность, состояние робота и заданную цель, после чего определяет подходящие места для контакта. Отдельный контроллер координирует работу суставов, чтобы робот мог достичь этих точек.

Например, при подъёме по лестнице машина выбирает места для захвата руками и постановки ног, а затем согласует движения конечностей и корпуса, переходя от одной ступени к другой и сохраняя равновесие.

Система планирует точки опоры для девяти частей тела: двух рук, двух локтей, двух коленей, двух ног и таза. Благодаря этому робот может задействовать верхнюю часть тела, когда обычной ходьбы недостаточно.

Для пространственной ориентации исследователи разработали картографическую систему на основе LiDAR. Она преобразует данные сенсора в локальную карту высот и оценивает надёжность измерений. Это помогает роботу распознавать узкие поверхности, включая ступени лестниц, которые в противном случае он мог бы не заметить.

Система работает на компьютере Jetson Orin NX и обрабатывает сканирование из 20 000 точек LiDAR за 30 миллисекунд. Данные обновляются 10 раз в секунду.

Обучение проходит в три этапа. Сначала контроллер учится выполнять планы по точкам опоры на основе 13,2 минуты записей человеческих движений, адаптированных к конструкции и физическим ограничениям робота. Затем исследователи совместно обучают модуль планирования и контроллер. На заключительном этапе обучение с подкреплением помогает системе адаптироваться к процедурно создаваемым средам, отличающимся от исходных демонстраций.

В ходе испытаний в реальных условиях робот G1 смог подниматься по лестнице, перемещаться по отдельным опорным поверхностям, ползти через узкие пространства, перепрыгивать препятствия и восстанавливаться после падения. Во время работы система использует данные бортовых сенсоров и заданную цель, не полагаясь на заранее записанную последовательность движений.

Исследователи подчёркивают, что на нынешнем этапе технология ориентирована на перемещение по поверхности и использование расположенных поблизости точек опоры. Для захвата объектов над головой, зависания и выполнения более сложных манипуляций потребуется более развитое трёхмерное восприятие.