Desde a década de 1970, os cães foram treinados para saltar agilmente através de aros, escalar inclinações e se mover entre postes para demonstrar agilidade. Para levar para casa as fitas nessas competições, os cães devem ter não apenas velocidade, mas também reflexos aguçados e atenção aos detalhes. Esses cursos também estabelecem uma referência de como a agilidade deve ser medida entre as raças, algo que Atil Iscen – cientista do Google DeepMind em Denver – diz que falta no mundo dos robôs de quatro patas.
“Consideramos proativamente a reprodutibilidade do benchmark e mantivemos o custo de materiais e pegada baixo. Adoraríamos ver as configurações de Barkour aparecerem em outros laboratórios.”
—Atil Iscen, Google DeepMind
Apesar dos grandes desenvolvimentos na última década, incluindo robôs como o Mini Cheetah do MIT e o Spot da Boston Dynamics, que mostraram como os movimentos de robôs semelhantes a animais podem ser, a falta de tarefas padronizadas para esses tipos de robôs tornou difícil comparar seu progresso , diz Iscen.
“Ao contrário dos benchmarks anteriores desenvolvidos para robôs com pernas, Barkour contém um conjunto diversificado de obstáculos que requer uma combinação de diferentes tipos de comportamentos, como caminhar, escalar e pular com precisão”, diz Iscen. “Além disso, nossa métrica baseada em tempo para recompensar o comportamento mais rápido incentiva os pesquisadores a ultrapassar os limites da velocidade, mantendo os requisitos de precisão e diversidade de movimento”.
Para seu percurso de agilidade de tamanho reduzido – o percurso de Barkour tinha 25 metros quadrados em vez dos 743 metros quadrados usados para percursos tradicionais – Iscen e seus colegas escolheram quatro obstáculos dos percursos tradicionais de agilidade para cães: uma mesa de pausa, postes de tecelagem, escalar um A- quadro e um salto.
O curso de referência de quadrúpedes robóticos “Barkour” usa quatro obstáculos dos cursos tradicionais de agilidade para cães e padroniza um conjunto de métricas de desempenho em torno disso. Google
“Escolhemos esses obstáculos para colocar vários eixos de agilidade, incluindo velocidade, aceleração e equilíbrio”, disse ele. “Também é possível personalizar ainda mais o percurso, estendendo-o para conter outros tipos de obstáculos em uma área maior.”
Semelhante às competições de agilidade canina, os robôs que entram neste percurso são deduzidos de pontos por falhar ou perder um obstáculo, bem como por exceder o limite de tempo do percurso de aproximadamente 11 segundos. Para ver o quão difícil era o curso, a equipe DeepMind desenvolveu duas abordagens de aprendizado diferentes para o curso: uma abordagem especializada que foi treinada em cada tipo de habilidade necessária para o curso, por exemplo, pular, escalar encostas e uma abordagem generalista que foi treinada por estudar simulações executadas usando a abordagem especializada.
Depois de treinar um robô de quatro patas em ambos os estilos diferentes, a equipe os liberou no percurso e descobriu que a abordagem especializada superou ligeiramente a abordagem generalizada ao concluir o percurso em cerca de 25 segundos, enquanto a tentativa generalizada levou cerca de 27 segundos. segundos. No entanto, ambas as abordagens não apenas excederam o limite de tempo do percurso, mas também foram superadas por dois cães pequenos – uma mistura de Lulu da Pomerânia com Chihuahua e um Dachshund – que completaram o percurso em menos de 10 segundos.
Aqui um cachorro de verdade [left] e um quadrúpede robótico [right] sobe e começa a descer no desafio A-frame do percurso Barkour. Google
“Ainda há uma grande lacuna na agilidade entre os robôs e seus equivalentes animais, conforme demonstrado neste benchmark”, escreveu a equipe em sua conclusão.
Embora o desempenho dos robôs possa ter ficado aquém das expectativas, a equipe escreve que isso é realmente positivo porque significa que ainda há espaço para crescimento e melhoria. No futuro, o Iscen espera que a fácil reprodutibilidade do curso de Barkour o torne uma referência atraente para ser empregado em todo o campo.
“Consideramos proativamente a reprodutibilidade do benchmark e mantivemos o custo de materiais e pegada baixo”, diz Iscen. “Adoraríamos ver as configurações de Barkour aparecerem em outros laboratórios e ficaríamos felizes em compartilhar nossas lições aprendidas sobre sua construção, se outras equipes de pesquisa interessadas no trabalho puderem entrar em contato conosco. Gostaríamos de ver outros laboratórios adotando esse benchmark para que toda a comunidade possa enfrentar esse problema desafiador juntos.”
Quanto à equipe DeepMind, Iscen diz que também está interessado em explorar outro aspecto dos cursos de agilidade canina em seu trabalho futuro: o papel dos parceiros humanos.
“Superficialmente, as competições (reais) de agilidade canina parecem ser apenas sobre o desempenho do cão. No entanto, muito se deve aos momentos fugazes de comunicação entre o cão e o seu condutor”, explica. “Neste contexto, estamos ansiosos para explorar as interações homem-robô, como um manipulador pode trabalhar com um robô com pernas para guiá-lo rapidamente por uma nova pista de obstáculos”.
Um artigo descrevendo o curso “Barkour” da DeepMind foi publicado no servidor de pré-impressão arXiv em maio.
Artigos Relacionados na Web
