Началась новая эра в робототехнике
Команда CoSTAR с четвероногим роботом SPOT mini выиграла этап Urban Circuit соревнования DARPA Subterranean Challenge!
Альберт Ефимов, Алексей Бурков, Виктор Цыганков
Лаборатория робототехники Сбербанка
Управление перспективных исследовательских проектов Министерства обороны США (Defense Advanced Research Projects Agency, DARPA) — агентство, отвечающее за разработку новых технологий для использования в интересах вооружённых сил.
Для обеспечения сохранения технологического превосходства вооружённых сил США, предотвращения внезапного для США появления новых технических средств вооружённой борьбы, поддержки прорывных исследований, преодоления разрыва между фундаментальными исследованиями и их применением в военной сфере, агентство проводит целый ряд мероприятий, в том числе соревновательных среди робототехнических компаний. DARPA Subterranean Challenge (подземные соревнования) — одно из таких мероприятий.
Соревнование беспилотных автомобилей «Зимний город» показало, что команды применяли уловку, использовали для локализации на трассе GPS и не заезжали на те участки трассы, где его сигнал недоступен, тем самым обесценивая идею выявить уровень готовности технологии беспилотников. В соревновании DARPA Subterranean Challenge действие происходит под землей исключая саму возможность использовать GPS, а также на маршруте присутствуют другие препятствия которые вызываю сейчас проблемы для роботов и ИИ: плохое освещение, неструктурированная среда, лужи, лестницы между этажами и т.д. Задача состоит в том чтобы роботы автономно исследовали подземелье и находили определенные предметы, за что им начисляются баллы. Таким образом, DARPA Subterranean Challenge заставляет искать новые подходы для быстрого картографирования, навигации и поиска в подземных средах во время чувствительных ко времени боевых операций или сценариев реагирования на бедствия.
27 февраля команда CoSTAR с четвероногим шагающим роботом SPOT заняла первое место в этапе Urban Circuit соревнования DARPA Subterranean Challenge, а команда CERBERUS со своим четвероногим шагающим роботом ANYmal заняла пятое, при этом, шагающие роботы впервые используются в таких соревнованиях.
Анализ победы и технологий команды CoSTAR приводит к следующим выводам:
1. Для того, чтобы роботы были по-настоящему автономными в условиях перемещения в подземельях без доступа к GPS сигналу, команда разработала фреймворк NeBula с применением fuse данных с различных сенсоров и выявления аномалий в них с помощью ML. Применение новой технологий позволит роботам выполнять ответственные задания в автономном режиме в сложных условиях, которые сейчас недоступны для для сегодняшнего поколения роботов и беспилотных транспортных средств. Важно, что данный фреймворк NeBula реализован в Robot Operating System (ROS), который является одной из базовых технологий в Лаборатории робототехники Сбербанка и который активно развивается через сообщество разработчиков. Очередная встреча нескольких сотен инженеров ROS пройдет в Сбербанке 18 апреля.
2. Преодоление человеческой инфраструктуры и неструктурированной среды, например такой как лестничные пролеты, на текущий момент является для роботов серьезной проблемой. На участке с переходом по лестничному пролету между этажами, робот SPOT продемонстрировал свои возможности наилучшим образом (короткий отрывок, где робот спускается по лестнице). Прохождение такого теста говорит о том, что теперь становится возможным создание более сложных автономных роботов для перемещений одновременно как на улице по сложной местности, так и внутри не подготовленных для роботов помещений.
Анализ еще одной команды CERBERUS с четвероногим роботом ANYmal:
(короткий отрывок, где робот спускается по лестнице)
ANYmal в том числе является исследовательской платформой на которой ведутся открытые исследования и пишутся научные статьи, одним из последних подходов который был применен в соревнованиях описан в статье «Learning agile and dynamic motor skills for legged robots». Он заключается в том что был предоставлен подход к решению проблемы машинного обучения в симуляторе и в реальности. Нейросеть обучили на основе математической модели движения ног и данных собранных с реального робота, затем обучили другую нейросеть на основе предсказаний первой нейросети в симуляторе. Гибридный симулятор оказался быстрее и точнее чем симулятор на аналитических моделях. Но что еще более важно, когда стратегия передвижения была оптимизирована в гибридном симуляторе, а затем перенесена в настоящего робота и протестирована в физическом мире, она оказалась такой же успешной, как и в симуляции. Этот давно назревший прорыв сигнализирует о закате, казалось бы, непреодолимого разрыва в обучении нейросетей между симуляцией и реальностью.
Используемый подход намекает на еще один важный сдвиг в области робототехники. Гибридные модели — первый шаг к этому изменению. Следующим шагом будет отказ от аналитических моделей в целом в пользу моделей машинного обучения, которые обучаются с использованием данных, собранных в реальной среде робота. Такие подходы, основанные на данных, называемые end-to-end, набирают силу.
Также развитие подобных подходов поможет приблизиться к решению задач AGI по примеру того как ребенок учиться ходить. Таким образом изучение роботизированного программного обеспечения может дать представление о давних вопросах о человеческом уме.
Можно предположить, что самосознание и следовательно сознание, по своей сути, являются показателем нашей способности мыслить о себе абстрактно — самовыражаться. Чем дальше человек может смотреть вперед, и чем более детально будет ментальная картина его будущей деятельности, тем выше будет способность этого человека к самосознанию. Теперь роботы способны учиться самостоятельно моделировать. Этот прорыв является не только практическим достижением, которое сэкономит некоторые инженерные усилия, но и началом эпохи автономии роботов.
