Video: čínský robot se pohybuje úplně jako člověk, může za to revoluční algoritmus

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.

Zobrazit všechny obrázky (4)

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.