פורסם ב: 18 במרץ, 2025 / עדכון מ: 18 במרץ 2025 - מחבר: קונרד וולפנשטיין
בקרת מעמד הומנואידים: למידה לקום עם מארחים-פריצת הדרך לרובוטים בתמונת חיי היומיום: Humanoid-standup.github.io
יותר מסתם לקום: מארח סולל את הדרך לרובוטים אנושיים אוטונומיים ורב -תכליתיים
מהסימולציה למציאות: כיצד רובוטים הומנואידים מארחים מלמד את העצמי -המועסק
בעולם המרתק של רובוטיקה הומנואידית, בו מכונות מחקות יותר ויותר יכולות אנושיות, מיומנות פשוטה לכאורה אך חשובה ביסודה היא ממלאת תפקיד מרכזי: לקום. זה כמובן עניין של בני האדם, תנועה לא מודעת שאנו מבצעים אינספור פעמים בכל יום. אבל עבור רובוט הומנואידי, קום הוא אתגר מורכב הדורש אינטראקציה של שליטה מתוחכמת, חיישנים מדויקים ואלגוריתמים חכמים. עם זאת, יכולת זו היא לא רק הפגנה מרשימה של אמנות הנדסית, אלא גם תנאי הכרחי לרובוטים הומנואידים מוצאים את מקומם בחיי היומיום שלנו ויכול לתמוך בנו במגוון תחומי אחריות.
לקום מעמדות שונות זה הרבה יותר מסתם פונקציה נוספת נחמדה. זהו הבסיס לאוטונומיה ורבגוניות של רובוטים הומנואידים. תאר לעצמך שרובוט צריך לעזור לך במשק הבית, לסייע בטיפול או לעבוד בסביבות מסוכנות. בכל התרחישים הללו, יש חשיבות מכרעת ליכולת להקים באופן עצמאי ממקומות שונים. רובוט שעובד רק בעמדות התחלה אידיאליות ונשאר חסר אונים כשנפילה פשוט בלתי שמיש בעולם האמיתי. פיתוח אסטרטגיות חזקות ורב -תכליתיות -אפ -אפ הוא אפוא צעד מפתח להביא רובוטים הומנואידים ממעבדת המחקר לעולם האמיתי.
גישות קודמות לפתרון בעיה זו הגיעו לעתים קרובות לגבולותיהן. רבים התבססו על תנועות מתוכננות מראש בעמל שעבדו בסביבות מבוקרות, אך במהירות הגיעו לגבולותיהן במציאות בלתי צפויה. מערכות נוקשות אלה היו בלתי גמישות, לא יכלו להסתגל לתנאים שהשתנו ולהיכשל כישלון חרוץ כאשר הרובוט נחת במצב לא צפוי או היה על משטחים לא אחידים. גישות אחרות מסתמכות על סביבות סימולציה מורכבות, שתוצאותיהן לעתים קרובות היו קשות להעברה לרובוטים אמיתיים. הקפיצה מההדמיה למציאות, מה שמכונה "העברה לסים לאמת", התברר כגוש הנגף של גישות מחקריות רבות ומבטיחות.
בהקשר זה, מסגרת חדשנית נכנסת לשלב שיכול לשנות באופן מהותי את הדרך בה אנו חושבים על קום רובוטים הומנואידים: מארח, קיצור של בקרת מעמד הומנואיד. המארח הוא יותר מסתם שיטה נוספת; זהו שינוי פרדיגמה. פותח על ידי קונסורציום של אוניברסיטאות ידועות באסיה , כולל אוניברסיטת שנחאי ג'יאו טונג, אוניברסיטת הונג קונג, אוניברסיטת ג'ג'יאנג והאוניברסיטה הסינית בהונג קונג, מארחים שוברים גישות מסורתיות ולוקח דרך חדשה לחלוטין ללמד רובוטים הומנואידים - באופן שמפואר באופן מדהים, חזק ומציאות.
מתאים לכך:
מארח: מסגרת שלומדת מטעויות
הליבה של החידוש המארח נעוצה בשימוש בלמידה חיזוק (RL), שיטה של למידת מכונה בהשראת הדרך בה אנשים ובעלי חיים לומדים. דמיין שאתה מלמד רכיבה על אופניים. הם לא נותנים לו הוראות מפורטות לכל תנועת שרירים, אלא פשוט תן לזה לנסות את זה. אם הילד נופל שם, זה מתקן את תנועותיו בניסיון הבא. באמצעות ניסיון ושגיאות, הילד לומד בהדרגה לשלוט באופניים באמצעות משוב חיובי ושלילי. למידת חיזוק פועלת על פי עיקרון דומה.
במקרה של מארח, רובוט הומנואידי ממוקם בסביבה מדומה ומתמודד עם המשימה לקום מעמדות שונות. הרובוט משמש כ"סוכן "בתחום זה. זה מבצע פעולות, במקרה זה תנועות של מפרקיו וגופו. עבור כל קמפיין הוא מקבל "תגמול" או "עונש", תלוי כמה זה היה מוצלח. אם הוא קם, הוא מקבל תגמול חיובי. אם זה נופל או עושה תנועות לא רצויות, הוא מקבל תגמול שלילי. באמצעות אינספור ניסיונות לצבור ניסיון ואופטימיזציה של האסטרטגיות שלו, הרובוט לומד בהדרגה לפתח את אסטרטגיית ה- Stand -up הטובה ביותר.
ההבדל המכריע לגישות קודמות מבוססות RL הוא שהמארח לומד מאפס. לא משתמשים בתנועות מתוכננות מראש, לא משתמשים בהפגנות אנושיות או ידע קודם אחר. הרובוט מתחיל ב"גיליון ריק "ומפתח את האסטרטגיות המתאימות שלו באופן עצמאי לחלוטין. זוהי התקדמות מהותית, מכיוון שהיא מאפשרת למערכת למצוא פתרונות שעשויים לחרוג הרבה מעבר למה שהמהנדסים האנושיים יכלו להמציא. בנוסף, המערכת הופכת אותה להתאמה ביותר מכיוון שהיא אינה מסתמכת על הנחות נוקשות או הטיה אנושית.
הקסם של האדריכלות הרב-ביקורתית
לב נוסף של חידוש מארח הוא הארכיטקטורה הרב-ביקורתית. כדי להבין זאת, עלינו להתמודד בקצרה עם תפקוד למידת החיזוק. ישנם שני רכיבים מרכזיים במערכות RL טיפוסיות: המפעיל והמבקר. המפעיל הוא, כביכול, את מוחו של הרובוט שבוחר את הפעולות, כלומר מחליט אילו תנועות צריכות להתבצע. המבקר מעריך את מעשי המפעיל ומעניק לו משוב. הוא מספר למפעיל אם מעשיו היו טובים או רעים וכיצד ניתן לשפר אותם. בגישות RL מסורתיות יש בדרך כלל רק מבקר אחד.
מארח נשבר עם ועידה זו ובמקום זאת מסתמך על כמה מבקרים מתמחים. תאר לעצמך שיש היבטים שונים בעת הקמת החשובים: להחזיק איזון, קח את התנוחה הנכונה, תיאום מפרקים, שלוט בדחף המסתובב. ניתן להעריך כל אחד מההיבטים הללו על ידי "מומחה" משלו. זה בדיוק מה שהופך את הארכיטקטורה הרב-ביקורתית. מארח משתמש בכמה רשתות מבקרים, שכל אחת מהן מתמחה בהיבט מסוים בתהליך ההתחלה. מבקר אחד יכול, למשל, לדרג את האיזון, אחר את התיאום המשותף וצד שלישי לדחף הסיבוב.
חלוקה זו למבקרים מתמחים הוכחה כיעילה ביותר. זה פותר בעיה המתרחשת לעתים קרובות במערכות RL מסורתיות: ההפרעה השלילית. אם מבקר יחיד מנסה להעריך את כל ההיבטים של משימה מורכבת בו זמנית, סכסוכים ובלבול יכולים להתרחש. יעדי הלמידה השונים יכולים להפריע זה לזה ולהאט את תהליך הלמידה או אפילו לגרום לו להיכשל. הארכיטקטורה הרב-ביקורתית עוקפת בעיה זו על ידי פירוק משימת הלמידה למשימות משנה קטנות יותר וברורות יותר ושימוש במבקר מתמחה לכל משימה חלקית. לאחר מכן המפעיל מקבל משוב מכל המבקרים ולומד לשלב בצורה אופטימלית את ההיבטים השונים של קמה.
ארכיטקטורה רב-ביקורתית זו רלוונטית במיוחד למשימה המורכבת של קמה. הקמה דורשת מגוון מיומנויות מוטוריות עדינות ושליטה מדויקת על הדחף הסיבובי על מנת לשמור על האיזון ולא ליפול. באמצעות המבקרים המתמחים, המארח יכול לאמן ולייעל באופן ספציפי את ההיבטים השונים הללו של קמה, מה שמוביל לתוצאות טובות יותר באופן משמעותי מאשר גישות קונבנציונאליות עם מבקר יחיד. במחקריהם החוקרים הראו כי הארכיטקטורה הרב-ביקורתית מאפשרת קפיצה משמעותית בביצועים ומאפשרת למארח לפתח אסטרטגיות סטנדאפ שלא ניתן יהיה להשיג בשיטות קונבנציונאליות.
למידת תכנית לימודים: מהפשוט למתחם
מפתח נוסף להצלחתו של המארח הוא האימונים המבוססים על תכנית הלימודים. שיטה זו מבוססת על תהליך הלמידה האנושית, בו אנו לומדים בהדרגה מיומנויות מורכבות, החל מיסודות פשוטים ואז לאט לאט עובדים אלינו. חשוב על הדוגמא של רכיבה על אופניים. לפני שילד לומד לנהוג על שני גלגלים, הוא עשוי ללמוד לשמור על שיווי המשקל על אימפלר או לנסוע עם אופני תמיכה. תרגילי הכנה אלה מקלים על תהליך הלמידה המאוחר יותר ומבטיחים התקדמות מהירה ומוצלחת יותר.
המארח יישם עיקרון דומה. הרובוט לא מתמודד עם המשימה הקשה ביותר כבר מההתחלה, כלומר לקום על משטח כלשהו מכל מיקום. במקום זאת, היא נתונה לתכנית לימודים מפוארת בה המשימות הופכות בהדרגה מורכבות יותר. האימונים מתחילים בתרחישים פשוטים, למשל קמים ממצב שקר על הרצפה השטוחה. ברגע שהרובוט שולט היטב במשימה זו, התנאים הופכים בהדרגה לקשים יותר. יש עמדות התחלה חדשות כיצד לקום ממצב יושב או משכיבה על קיר. גם פני השטח מגוונים, מאדמה ברמה למשטחים מעט לא אחידים ועד שטח תובעני יותר.
להכשרה זו המבוססת על תכנית לימודים יש מספר יתרונות. מצד אחד זה מאפשר חקר יעיל יותר של מרחב הפתרונות. הרובוט מתמקד בתחילה בהיבטים הבסיסיים של לקום ולומד לשלוט בהם בתרחישים פשוטים. זה מזרז את תהליך הלמידה והרובוט מגיע לרמה טובה של ביצועים מהר יותר. מצד שני, תכנית הלימודים משפרת את ההכללה של המודל. על ידי התמודדות בהדרגה עם הרובוט עם משימות מגוונות ומורכבות יותר, הוא לומד להסתגל למצבים שונים ולפתח אסטרטגיות חזקות -עד -אפ שעובדות לא רק באידיאלים אלא גם בסביבות אמיתיות. מגוון תנאי האימונים הוא קריטי לחוסן של המערכת בעולם האמיתי, שבהם משטחים בלתי צפויים ומיקומי התחלה הם הכלל ולא החריג.
מתאים לכך:
מציאות באמצעות מגבלות תנועה
היבט חשוב נוסף של המארח הוא לקחת בחשבון את תחולתה אמיתית. הדמיות הן כלי רב עוצמה לאימוני רובוטים, אך העולם האמיתי אינו שוויוני יותר מורכב ובלתי צפוי. על מנת לשלוט בהצלחה בקפיצה מההדמיה למציאות, המארחים מיישמים שתי מגבלות משמעותיות על תנועה המבטיחות כי ניתן ליישם את האסטרטגיות שנלמדו גם על חומרה אמיתית ולא פוגעים ברובוט.
ההגבלה הראשונה היא סדירות חלקה. זה נועד להפחית את התנועות המתנדנדות. בהדמיות, רובוטים יכולים לבצע תנועות שיהיו בעייתיות במציאות. לדוגמה, הם עלולים לגרום לתנועות קופצניות ורועדות שעלולות להזיק לחומרה הפיזית או שיובילו להתנהגות לא יציבה. סדירות החלקות מבטיחה כי התנועות המלומדות חלקות ונוזליות, מה שלא רק עדין יותר עבור החומרה, אלא גם מוביל להתנהגות סטנד-אפ טבעית ויציבה יותר.
ההגבלה השנייה היא מגבלת מהירות התנועה המרומזת. זה מונע תנועות מהירות או פתאומיות מדי. גם כאן, סימולציות מייצגות לעתים קרובות תנאים אידיאליסטיים שבהם רובוטים יכלו לבצע תנועות במהירות גבוהה לא מציאותית. אולם בעולם האמיתי, תנועות פתאומיות כאלה יכולות להוביל לפגיעה ברובוט, למשל להעמיס יתר על המנועים או נזק למפרקים. מגבלת מהירות התנועה מבטיחה כי התנועות שנלמדו יישארו בגבולות הפיזיים של החומרה האמיתית ואינן מסכנות את הרובוט.
מגבלות אלה על תנועה הן מכריעות להעברה SIM-to-real. הם מבטיחים כי האסטרטגיות שנלמדו בסימולציה לא רק עובדות תיאורטיות, אלא ניתן ליישם באופן מעשי גם ברובוטים אמיתיים מבלי להעמיס יתר על המידה או לפגוע בחומרה. הם צעד חשוב לגשר על הפער בין סימולציה למציאות ולהכנת רובוטים הומנואידים לשימוש בעולם האמיתי.
המבחן המעשי: מארח ב- Nitree G1
המבחן האמיתי לכל שיטת בקרת רובוט הוא היישום המעשי על חומרה אמיתית. על מנת להדגים את ביצועי המארח, החוקרים העבירו את אסטרטגיות הבקרה שנלמדו בסימולציה לרובוט ההומני של Nitree G1. ה- Untree G1 הוא פלטפורמה הומנואידית מתקדמת המאופיינת בזריזות, איתנות ובנייתו הריאליסטית. זוהי מיטת מבחן אידיאלית להערכת כישורי המארח בעולם האמיתי.
תוצאות הבדיקות המעשיות היו מרשימות ואישרו את היעילות של הגישה המארחת. הרובוט untree g1, שנשלט על ידי המארח, הראה יכולות השפעה מדהימות ממגוון רחב של עמדות. הוא הצליח לקום בהצלחה ממצב שקר, ממצב יושב, מהברכיים ואפילו מתנוחות בהן הוא נשען על חפצים או היה על פני השטח הלא אחידים. העברת המיומנויות המדומות לעולם האמיתי הייתה כמעט חלקה, מה שמדגיש את האיכות הגבוהה של ההעברה SIM-to-frime ממארח.
ראוי לציון במיוחד החוסן של ההפרעות שהפגין ה- Nitree G1 בשליטת המארח. בבדיקות ניסיוניות, הרובוט התמודד עם כוחות חיצוניים, למשל על ידי בליטות או מכות. הוא התמודד עם מכשולים שחסמו את העלאתו. הוא אפילו היה עמוס בעומסים כבדים (עד 12 ק"ג) כדי לבדוק את יכולת היציבות והעומס שלו. בכל המצבים הללו, הרובוט הראה התנגדות מדהימה והצליח להקים בהצלחה מבלי לאבד או להפיל את האיזון.
בסרטון הפגנה מרשים, החוסן של המארח התברר במיוחד. שם אפשר היה לראות כיצד אדם נתקל ברובוט ה- Nitree G1 בתהליך ההתחלה. למרות הפרעות אדירות אלה, לא ניתן היה להסיר את הרובוט. הוא תיקן את תנועותיו בזמן אמת, התאים את ההשפעות הבלתי צפויות ולבסוף קם בבטחה ויציבה. הפגנה זו ממחישה באופן מרשים את היישום המעשי והאמינות של המערכת המארחת בסביבות אמיתיות ובלתי צפויות.
מתאים לכך:
מחקרי ביטול: האינטראקציה של הרכיבים
על מנת לבחון את חשיבותם של המרכיבים האישיים של המארחים בצורה מדויקת יותר, החוקרים ביצעו מחקרי אבלציה נרחבים. במחקרים אלה הוסרו או שונו אלמנטים בודדים של המסגרות המארחות על מנת לנתח את השפעתם על הביצועים הכוללים. תוצאות המחקרים הללו סיפקו תובנות חשובות לגבי תפקודם של מארחים ואישרו את חשיבותם של החידושים המרכזיים.
תוצאה מרכזית של מחקרי האבלציה אישרו את התפקיד המכריע של הארכיטקטורה הרב-ביקורתית. כאשר החוקרים שינו את המערכת בצורה כזו שהיא השתמשה רק במבקר יחיד, המערכת נכשלה בבריכות. זה כבר לא היה מסוגל ללמוד סיכונים מוצלחים והרובוט נשאר חסר אונים ברוב המקרים. תוצאה זו מדגישה את החשיבות המרכזית של הארכיטקטורה הרב-ביקורתית לביצוע המארח ומאשרת כי המבקרים המתמחים למעשה תורמים תרומה משמעותית להצלחה למידה.
האימונים המבוססים על תכנית הלימודים הוכיחו גם הם כגורם הצלחה חשוב במחקרי האבלציה. כאשר החוקרים החליפו את תכנית הלימודים על ידי אימונים אקראיים ללא עלייה הדרגתית בקושי, ביצועי המערכת התדרדרו. הרובוט למד לאט יותר, הגיע לרמת ביצועים נמוכה יותר והיה פחות חזק בהשוואה לתפקידי התחלה ומצעים שונים. זה מאשר את ההנחה כי האימונים המבוססים על תכנית הלימודים משפרת את היעילות של תהליך הלמידה ומגדילה את הכללה של המודל.
מגבלות התנועה המיושמות תרמו גם באופן משמעותי לתפוקה הכוללת, במיוחד ביחס ליישום מעשי. כאשר החוקרים הסירו את סדירות החלקות ואת מגבלת המהירות של התנועה, הרובוט עדיין למד בסימולציה, אך במציאות הם היו פחות יציבים והובילו לעתים קרובות יותר ליפול או להוביל לתנועות קופצניות בלתי רצויות. זה מראה שהמגבלות על התנועה מגבילות מעט את גמישות המערכת בסימולציה, אך הן חיוניות בעולם האמיתי כדי להבטיח התנהגות חזקה, בטוחה וחומרה.
מארח: מקפצה לרובוטים אנושיים רב -תכליתיים
היכולת לקום מעמדות שונות עשויה להיראות טריוויאלית במבט ראשון, אך היא למעשה חתיכת פאזל מהותית להתפתחות של רובוטים אנושיים מגוונים ואוטונומיים. זה הבסיס לשילוב במערכות תנועה ומניפולציה מורכבות יותר ופותח מגוון יישומים חדשים. תאר לעצמך שרובוט לא יכול רק לקום, אלא גם לזוז בצורה חלקה בין משימות שונות - לקום מהספה, ללכת לשולחן, לתפוס חפצים, להימנע ממכשולים ולקום כשהוא מעד. סוג זה של אינטראקציה חלקה עם הסביבה, וזה כמובן עניין עבורנו בני האדם, הוא המטרה של הרובוטיקה ההומנואידים והמארח מקרב לנו צעד מכריע למטרה זו.
ניתן להשתמש במארח עם מארח בעתיד במגוון תחומים שבהם צורתם האנושית ויכולתם לקיים אינטראקציה עם הסביבה האנושית מועילות. בסיעוד הם יכולים לתמוך באנשים מבוגרים או חולים, לעזור להם לקום ולשבת, מספיק חפצים או לסייע במשק הבית. באזור השירות ניתן להשתמש בהם במלונות, מסעדות או חנויות להפעלת לקוחות, הובלת מוצרים או לספק מידע. בסביבות מסוכנות, כמו תבליטי אסון או במפעלים תעשייתיים, הם עלולים לקחת משימות מסוכנות מדי או מתישות מדי עבור אנשים.
בנוסף, היכולת לקום חיונית גם לייצור עקשן. נפילות הן בעיה שכיחה עם רובוטים הומנואידים, במיוחד בסביבות לא אחידות או דינאמיות. רובוט שלא יכול לקום באופן עצמאי לאחר נפילה הוא במהירות חסר אונים בסביבות כאלה. המארח מציע כאן פיתרון מכיוון שהוא מאפשר לרובוט להופיע שוב ממקומות בלתי צפויים ולהמשיך במשימתו. זה מגביר את האמינות והביטחון של רובוטים הומנואידים והופך אותם לכלים חזקים ומעשיים יותר.
מארח סולל את הדרך לדור חדש של רובוטים אנושיים
המארח הוא יותר מסתם פיתוח נוסף של שיטות קיימות; זוהי פריצת דרך משמעותית בשליטת רובוטים הומנואידים. באמצעות השימוש החדשני בלמידה של חיזוק עם ארכיטקטורה רב-ביקורתית והדרכה מבוססת תכניות לימודים, הוא מתגבר על מגבלות הגישות הקודמות ומאפשר לרובוטים לעמוד ממגוון עמדות מדהים ובמגוון רחב של משטחים. ההעברה המוצלחת מההדמיה לרובוט אמיתי, מדגימה על ה- Nitre G1, וחוסן מרשים להפרעות מדגישות את הפוטנציאל העצום של שיטה זו ליישומים מעשיים.
המארח הוא צעד חשוב בדרך לרובוטים הומנואידים שלא רק מרשים במעבדה, אלא יכולים גם להציע ערך מוסף אמיתי בעולם האמיתי. זה מקרב אותנו לחזון של עתיד בו רובוטים הומנואידים משולבים בצורה חלקה בחיי היומיום שלנו, תומכים בנו במשימות מגוונות והופכים את חיינו לנוחים יותר, נוחים ויעילים יותר. עם טכנולוגיות כמו מארח, הרעיון העתידני שהיה פעם של רובוטים הומנואידים המלווים אותנו בחיי היומיום שלנו הופך למציאות מוחשית יותר ויותר.
מתאים לכך:
השותף הגלובלי שלך לשיווק ופיתוח עסקי
☑️ השפה העסקית שלנו היא אנגלית או גרמנית
☑️ חדש: התכתבויות בשפה הלאומית שלך!
קונרד וולפנשטיין
אני שמח להיות זמין לך ולצוות שלי כיועץ אישי.
אתה יכול ליצור איתי קשר על ידי מילוי טופס יצירת הקשר או פשוט להתקשר אליי בטלפון +49 89 674 804 (מינכן) . כתובת הדוא"ל שלי היא: וולפנשטיין ∂ xpert.digital
אני מצפה לפרויקט המשותף שלנו.
