Robôs com pernas aprendem características físicas dinâmicas de terrenos como animais

Quando um gatinho está andando em um ambiente perigoso, ele pisará suavemente no terreno com os pés para estimar o atrito ou a capacidade de carga. Com base nessa experiência, o gatinho pode prever os parâmetros físicos do terreno com aparência semelhante e evitar o solo macio e úmido.

No entanto, não é fácil para os robôs alcançar tal comportamento devido aos muitos desafios envolvidos. Por exemplo, como extrair características efetivas para caracterizar um ambiente que muda dinamicamente? Como generalizar a experiência do robô em interagir com o ambiente? Como resolver conflitos cognitivos causados ​​por ambientes que mudam dinamicamente?

Um artigo de capa recente no Revisão científica nacional, “Aprender características físicas como animais para robôs com pernas”, apresenta uma possível solução. O papel foi liderado pela equipe de Ding Liang no Harbin Institute of Technology, com Ph.D. o aluno Xu Peng e o professor Ding Liang como co-primeiros autores.

A equipe de pesquisa propõe uma estrutura de aprendizado não supervisionada para robôs com pernas aprenderem as características físicas do terreno. Com base em modelos de contato pé-terreno normal/tangencial, a estrutura de aprendizado baseada em dados de modelo não supervisionado foi projetada para obter uma percepção de fusão visual-tátil online incremental com recursos cognitivos de resolução de conflitos. Este é o primeiro relatório online, incremental e cognitivo de resolução de conflitos que permite que um robô aprenda as características físicas do ambiente de forma independente e autônoma, dotando o robô de inteligência artificial física.

Por fim, o trabalho realiza experimentos de hardware internos e externos, e os resultados experimentais demonstram que a abordagem proposta pode efetivamente ajudar os robôs a perceber e prever com precisão as características físicas do ambiente, enquanto aprendem e ajustam seus modelos cognitivos. Por fim, o robô executa tarefas de navegação com sucesso e segurança em ambientes complexos.