- Čínská společnost PNDbotics prezentuje humanoidního robota jménem Adam
- Ten se díky pokročilému algoritmu pohybuje úplně jako člověk
- Vývoj tohoto modelu by mohl pomoci celému odvětví robotiky
Robotika jde v posledních měsících a letech velmi kupředu. Už dávno jsou pryč doby, kdy byli androidi nemotorní a moc toho neuměli – dnešní stroje zvládají i pokročilou motoriku a v mnoha případech se již vyrovnají živým lidem. To je také případ čínského modelu jménemAdam, který je špičkovým humanoidním robotem s vlastním algoritmem posilujícím učení. Tento inovativní algoritmus, zdokonalený na základě rozsáhlých simulací a velkého množství tréninkových dat, umožňuje Adamovi zvládnout pohyb podobný pohybu člověka.
Humanoidní robot s překvapivými schopnostmi
Adam je humanoidní robot o výšce 1,6 metru a hmotnosti 60 kilogramů s 25 kvazi-přímými pohony (QDD) řízenými silovými PND akutátory, které zajišťují nadstandardní mobilitu a přizpůsobivost. Jeho nohy jsou vybaveny vysoce citlivými aktuátory schopnými vyvinout točivý moment až 360 Nm, přičemž paže se mohou pochlubit pěti stupni volnosti a pas třemi stupni volnosti. Pokročilé řízení pohybu celého těla umožňuje modulární konstrukce, biomimetický trup a speciálně navržený systém full-stack.
Od prvního návrhu z června 2023 zdokonalil tým v PNDbotics Adamovy klíčové komponenty, což zahrnuje posílení nohou a chodidel, aby zajistili jejich odolnost v různých prostředích. Modulární architektura aktuátorů také zvyšuje Adamovu flexibilitu, což mu umožňuje efektivněji se přizpůsobovat dynamickým a měnícím se podmínkám.
„Implementovali jsme nejpokročilejší algoritmy Deep Reinforcement Learning (DRL) a imitačního učení, čímž jsme vývojářům poskytli snadný přístup k paralelnímu tréninkovému prostředí NVIDIA Isaac Gym DRL pro vývoj jednotlivých algoritmů,“ uvádí na webových stránkách PNDbotics.
Tradiční algoritmy řízení robotů se opírají o přesné matematické modely a předem definované plánování pohybu, jak je vidět na příkladu robotů Atlas a Spot od Boston Dynamics, které využívají modelové prediktivní řízení (MPC). Tyto metody však mají často problémy v neznámém či měnícím se prostředí, kde spoléhání na přesné modelování omezuje přizpůsobivost a komplikuje vývoj. K překonání těchto překážek výzkumníci stále častěji využívají algoritmy posilující učení, které dává robotům větší flexibilitu a odolnost tím, že jim umožňuje samostatně se učit taktice prostřednictvím interakce s okolím.
Ačkoli algoritmy posilující učení prokázaly potenciál robotů využívajících dvě nohy podobně jako člověk, jeho použití u humanoidních robotů bylo omezeno především vysokými náklady, problémy s údržbou a obtížemi při aplikaci modelů na skutečné scénáře. Kromě toho, že vývoj Adama zpřístupňuje výzkum humanoidní robotiky, otevírá také nové možnosti učení, přizpůsobování a optimalizace v náročných podmínkách.
