Передвижение и мелкая моторика являются одними из базовых движений для всех живых существ, по подобию которых создаются роботы. Их разработчики много лет не могли преодолеть проблему с мелкой моторикой — либо роботы совершали эти движения уверенно, но не точно, либо слишком медленно.
В течение десятилетий робототехники управляли конечностями роботов, используя софт, построенный на основе прогнозируемых математических моделей, известных как классическая теория управления. При этом такой метод оказался неэффективным.
По мнению ученых, основная проблема предыдущих десятилетий в робототехнике была в том, что все роботы обычно начинают свою жизнь в симуляции. В итоге получается, что управляющее им программное обеспечение хорошо работает в виртуальном мире, а когда робота собирают и отправляют в реальный, устройство сталкивается с труднопредсказуемыми нарушениями этой модели. Часто в софте не учитываются поверхностное трение, вибрация, задержки в работе некоторых данных и не до конца синхронизированную работу исполнительных механизмов. В результате даже устройства, прекрасно работающие в симуляции, падают через несколько шагов.
Врезка
Группа инженеров под руководством Хванбо решила изменить этот подход. Сначала команда разработала традиционную математическую модель для четвероногого робота среднего размера, называемого ANYmal. После этого ученые собрали данные от механизмов, которые будут управлять этим устройством, и передали их в нейросети, которые смогли бы предсказывать будущие характерные движения для AMYmal. В итоге уже обученная нейросеть смогла предсказывать дальнейшие сложности в управлении роботом. Это позволило роботу решать проблемы в передвижении еще до их появления либо избегать их.
Такой гибридный симулятор оказался намного точнее и быстрее машины, основанной только на аналитических моделях. В дальнейшем это может привести к тому, что робототехники практически полностью откажутся от математических моделей для создания роботов взамен на технологии машинного обучения.