Vea También
 |
| El robot con patas ANYmal en el camino rocoso hacia la cima del Monte Etzel, que se encuentra a 1.098 metros sobre el nivel del mar. Crédito: Takahiro Miki |
Investigadores de la ETH de Zúrich han desarrollado un nuevo método de control que permite a un robot con patas, llamado ANYmal, moverse con rapidez y solidez por terrenos difíciles. Dirigida por el profesor de robótica de la ETH Zúrich Marco Hutter, la tecnología de aprendizaje automático del equipo permite al robot combinar por primera vez su percepción visual del entorno con su sentido del tacto.
El equipo entrenó al cuadrúpedo para que subiera al cercano monte Etzel, una modesta cumbre que se encuentra a unos 1.098 metros sobre el nivel del mar. El robot supera los 120 metros verticales sin esfuerzo en una caminata de 31 minutos -es decir, 4 minutos más rápido que la duración estimada para los excursionistas humanos- y sin caídas ni pasos en falso.
"El robot ha aprendido a combinar la percepción visual de su entorno con la propiocepción -su sentido del tacto- basada en el contacto directo con las piernas. Esto le permite enfrentarse a terrenos difíciles con mayor rapidez, eficacia y, sobre todo, solidez", afirma Hutter. En el futuro, ANYmal podrá utilizarse en cualquier lugar que sea demasiado peligroso para los humanos o demasiado intransitable para otros robots.
Los investigadores afirman que el nuevo controlador basado en una red neuronal combina por primera vez la percepción externa y la propioceptiva. Antes de que el robot pudiera poner a prueba sus capacidades en el mundo real, los científicos expusieron el sistema a numerosos obstáculos y fuentes de error en un campo de entrenamiento virtual. De este modo, la red aprende cuál es la forma ideal de que el robot supere los obstáculos, así como cuándo puede confiar en los datos del entorno, y cuándo sería mejor que los ignorara.
"Con este entrenamiento, el robot es capaz de dominar los terrenos naturales más difíciles sin haberlos visto antes", afirma el profesor Hutter de la ETH de Zúrich. Esto funciona incluso si los datos de los sensores sobre el entorno inmediato son ambiguos o vagos. Entonces, ANYmal va a lo seguro y confía en su propiocepción. Según Hutter, esto permite al robot combinar lo mejor de ambos mundos: la velocidad y la eficacia de la detección externa y la seguridad de la detección propioceptiva.
Fuentes, créditos y referencias:
Takahiro Miki et al, Learning robust perceptive locomotion for quadrupedal robots in the wild, Science Robotics (2022). DOI: 10.1126/scirobotics.abk2822
Fuente: ETH Zurich