![](https://habrastorage.org/getpro/habr/upload_files/fde/8e3/a34/fde8e3a349ebb71524e64fe4966d388d.jpg)
ANYmal — робот на четырёх «ногах», сконструированный в форме собаки. Его создала команда учёных из швейцарской высшей технической школы ETH с целью поиска и спасения людей под завалами, например, после природных бедствий. Инженеры усовершенствовали робота и научили его базовым движениям «фриран» — одного из направлений паркура. Это активный спорт, который включает в себя быстрое перемещение через такие сложные препятствия, как стены, перила, развалины зданий и другие преграды. Но это спорт для людей, а на что способна роботизированная система?
Что там насчёт паркура и робота?
![](https://habrastorage.org/getpro/habr/upload_files/836/827/06e/83682706e7a837d76e8f85b2e00c382e.jpg)
Люди, занимающиеся паркуром, обладают особой ловкостью и точностью движений, у них отличная координация. Всё это позволяет выполнять сложные трюки. И хотя ни один робот не обладает подобными способностями, ANYmal научился преодолевать препятствия, взбираться наверх и выполнять манёвры в сложных условиях. Всё это не просто так — робот сможет работать в местах с нестабильным, пересечённым рельефом или в разрушенных зданиях, как внутри, так и снаружи.
Команда разработчиков из ETH в 2019 году представила новаторский метод обучения с подкреплением, который позволяет роботу обучаться на основе полученного опыта и взаимодействия с окружающей средой. В прошлом году инженеры улучшили ANYmal, сделав его более «чувствительным» к окружающей обстановке. В своих экспериментах команда тестировала трёх кастомизированных роботов на полигонах, имитирующих поверхности Луны и Марса. В будущем конструкторы из ETH планируют использовать ANYmal в миссиях по исследованию космоса, где подобные роботы смогут выполнять задачи по изучению территорий или же помогать роверам. Каждый робот оснащён лидарным датчиком, который помогает хорошо ориентироваться в пространстве.
Основная задача модели Scout — обзор окружающей среды с помощью камер и создание карты с использованием цветовых фильтров. Модель Scientist оборудована рукой, на которой установлены анализатор MIRA (Metrohm Instant Raman Analyzer) и микроскопический измеритель MICRO. MIRA может идентифицировать химические вещества на поверхности по рассеянию света, а MICRO позволяет получать изображения этих веществ вблизи. Модель робота под названием Hybrid является универсальной и помогает Scout и Scientist в измерениях таких объектов, как валуны и кратеры.
![](https://habrastorage.org/getpro/habr/upload_files/038/590/317/03859031748bd5250b612e1c4f2ce728.jpg)
Несмотря на значительный прогресс в развитии роботов типа ANYmal, они всё ещё далеки от человеческого уровня гибкости и ловкости движений. Никита Рудин, аспирант ETH в Цюрихе и сооснователь проекта, отмечает, что некоторые исследователи считают достигнутыми пределы физических возможностей четырёхногих роботов. «У меня другое мнение. Я твёрдо уверен, что механику таких роботов можно развивать и дальше», — уверяет Рудин, который сам имеет опыт паркура.
Движения в стиле паркура — сложная задача для механизмов, так как требуется не только выполнение динамических манёвров, но и контроль движения в сочетании со способностью быстро адаптироваться к изменяющейся среде. Для достижения успеха ANYmal придётся уметь анализировать обстоятельства, выбирать оптимальный маршрут и последовательность движений для сохранения баланса. И всё это одновременно! Для этого роботу нужно использовать все программные навыки в режиме реального времени, прибегая к ограниченным вычислительным ресурсам.
Для решения задачи управления роботом ANYmal команда ETH разработала подход, который объединяет методы машинного обучения с модельным управлением. Он состоит из трёх основных компонентов:
Модуль восприятия: этот модуль обрабатывает данные с камер и устройства лидара, чтобы оценить окружающую местность и препятствия.
Модуль передвижения: здесь предусмотрен каталог движений, разработанный заранее, который позволяет роботу преодолевать разнообразные типы местности и препятствия.
Модуль навигации: этот модуль отвечает за выбор подходящих навыков и движений для преодоления конкретных препятствий и местности. Он использует промежуточные команды для направления работы модуля передвижения.
Никита Рудин применил машинное обучение для того, чтобы робот мог успешно осуществлять прыжки и восхождение. Эти навыки были выработаны через серию попыток и ошибок, а также благодаря данным, полученным с камеры робота, и обучения нейронной сети. Другой исследователь, Фабиан Женельт, использовал комбинацию методов машинного обучения и модельного управления, чтобы ANYmal мог распознавать и преодолевать такие препятствия, как щели и проёмы в грудах обломков. Это помогает роботу развивать гибкость, применяя те или иные движения в неожиданных ситуациях.
В процессе испытаний роботу удалось научиться спускаться с ящика, высота которого составляла 1 метр, а затем снова на него забираться. Также ANYmal умеет приседать, чтобы проходить в узкие щели, и изменять свою походку для сохранения баланса и предотвращения обрушений. Ещё команда инженеров проверила способности робота к ходьбе по лестницам, склонам и другим неровным поверхностям.
Не обошлось без сложностей
Несмотря на успехи научной группы, способности ANYmal остаются достаточно ограниченными, когда речь идёт о перемещениях в реальных условиях, например, на паркурных полигонах или обломках разрушенных зданий. Авторы проекта отмечают, что им предстоит протестировать роботов в разных случайных сценариях. Вопрос о том, как ANYmal проявит себя в более сложных условиях, пока остаётся открытым. Для подготовки к новым испытаниям инженерам нужно настроить и обучить дополнительно восемь нейронных сетей. Задачу усложняет то, что некоторые из них взаимосвязаны, поэтому настройка одной сети тянет за собой изменения в остальных.
Но ANYmal уже частично способен работать там, где необходимо совершать прыжки, преодолевать препятствия и выбирать оптимальный путь к целевой точке. Члены команды проекта подчёркивают, что стремление достичь человеческой ловкости помогает глубже понять ограничения и возможности каждого компонента робота, а также то, как именно ANYmal воспринимает окружающую среду, действует и принимает решения.