Publicerad den: 25 februari 2025 / Uppdaterad den: 25 februari 2025 – Författare: Konrad Wolfenstein
Från snubblar till kullerbyttor inom robotik: AI-uppgradering omdefinierar humanoida förmågor – Bild: Xpert.Digital
Framtiden för humanoider: Atlas blir smartare genom förstärkningsinlärning
Strategiskt partnerskap: Boston Dynamics optimerar Atlas för verkliga tillämpningar
I ett tillkännagivande presenterade Boston Dynamics, en pionjär inom dynamisk robotik, och Robotics & AI Institute (RAI Institute), en forskningsinstitution ledd av den välkände robotexperten och tidigare VD:n för Boston Dynamics, Marc Raibert, ett strategiskt partnerskap. Det uttalade målet med detta samarbete, som officiellt lanserades i februari 2025, är att avsevärt förbättra kapaciteten hos den avancerade humanoida roboten Atlas genom användning av förstärkningsinlärning. Detta samarbete lovar inte bara att göra Atlas mer flexibel och agil, utan också att kvalificera den för ett bredare spektrum av verkliga tillämpningar, vilket banar väg för en ny era av humanoid robotik.
Lämplig för detta:
Viktiga mål för det framåtblickande samarbetet
Partnerskapet mellan Boston Dynamics och RAI Institute fokuserar på ett antal ambitiösa mål som syftar till att omvandla Atlas grundläggande funktioner och utveckla den från en imponerande forskningsdemonstrator till ett mångsidigt och praktiskt verktyg. Dessa insatser är inriktade på tre huvudområden:
Överbrygga klyftan mellan simulering och verklighet: Vägen från simulering till verklighet
En av de största utmaningarna inom robotik, särskilt inom området förstärkningsinlärning, är att överföra färdigheter som lärts in i simuleringar till den verkliga världen. Simuleringar erbjuder en idealisk miljö för att träna robotar eftersom de ger obegränsad data, fullständig kontroll över miljön och möjligheten att simulera farliga eller kostsamma scenarier utan risk. Robotar kan utföra otaliga iterationer av rörelser och uppgifter i virtuella världar utan risk för skador eller personskador.
Verkligheten är emellertid mycket mer komplex och oförutsägbar. Fysiska robotar opererar i en värld full av sensoriskt brus, oförutsedda störningar, felaktigheter i modelleringen och den ständiga utmaningen av variation. Det som fungerar i en perfekt kontrollerad simulering kan misslyckas i den kaotiska verkligheten. "Sim-till-verklighet-gapet" beskriver just denna skillnad.
Partnerskapet mellan Boston Dynamics och RAI Institute syftar till att minska denna klyfta genom innovativa metoder och algoritmer. Forskare arbetar med att utveckla robusta och generaliserbara rörelsesekvenser som fungerar tillförlitligt inte bara i simulering utan även i verkligheten. Detta inkluderar att utveckla avancerade simuleringsmiljöer som mer exakt återspeglar den fysiska verkligheten, samt att använda tekniker som domänrandomisering och adaptiv simulering för att göra de modeller som tränas i simuleringar mer motståndskraftiga mot den verkliga världens oförutsägbarhet. Framgång inom detta område är avgörande för att frigöra den fulla potentialen av förstärkningsinlärning för robotik och för att kunna använda robotar i verkliga, ostrukturerade miljöer.
Förbättra lokmanipulation: Konsten att röra sig och interagera
Förmågan att manipulera objekt – det vill säga att förflytta och manipulera objekt samtidigt – är en nyckelfunktion för robotar avsedda att arbeta i komplexa och dynamiska miljöer. Tänk dig en humanoid robot som rör sig genom ett lager för att plocka paket, eller en robot som röjer skräp i ett katastrofområde samtidigt som den söker efter överlevande. I alla dessa scenarier är det viktigt att roboten inte bara kan röra sig effektivt utan också interagera med sin omgivning samtidigt.
Att utveckla avancerade strategier för rörelsemanipulation är dock en enorm utmaning. Det kräver nära samordning mellan rörelseplanering, banplanering, gripplanering och kraftkontroll. Roboten måste kunna anpassa sina rörelser och manipulationer i realtid till de ständigt föränderliga förhållandena i sin omgivning.
Som en del av partnerskapet kommer forskare att utveckla nya och innovativa strategier för att lyfta Atlas förmåga att manipulera rörelser till en ny nivå. Detta inkluderar att utforska algoritmer för samtidig rörelse- och greppplanering, utveckla robusta kraftkontrollstrategier för att manipulera olika objekt och integrera sensorinformation i kontrollslingan för att möjliggöra responsiv och adaptiv rörelsemanipulation. Att förbättra rörelsemanipulationen är ett avgörande steg för att göra Atlas till ett verkligt mångsidigt och användbart verktyg för en mängd olika tillämpningar.
Utforska strategier för helkroppskontakt: Synergin mellan armar och ben
Humanoida robotar som Atlas har den unika potentialen att röra sig och interagera på sätt som liknar mänskliga rörelser. Denna förmåga att integrera hela kroppen, inklusive armar, ben och överkropp, i komplexa rörelser och uppgifter öppnar helt nya möjligheter för robotik. Helkroppskontaktstrategier går utöver enkel armmanipulation och utnyttjar synergin mellan armar och ben för att möjliggöra högpresterande rörelser och uppgifter.
Tänk dig en person som bär ett tungt föremål. De använder inte bara sina armar, utan även sina ben, överkropp och hela kroppen för att stabilisera vikten, upprätthålla balansen och transportera föremålet effektivt. På liknande sätt bör humanoida robotar kunna använda hela kroppen för att utföra komplexa uppgifter som kräver nära samordning mellan armar och ben.
Forskarna fokuserar på att utveckla avancerade kontrollalgoritmer och planeringsstrategier för högpresterande helkroppsrörelser och uppgifter. Detta inkluderar områden som dynamisk gång, hoppning, klättring, lyft och bärande av tunga föremål, manipulation i trånga utrymmen och interaktion med komplexa miljöer. Forskning om helkroppskontaktstrategier är avgörande för att förverkliga den humanoida formfaktorns fulla potential och utveckla robotar som kan röra sig och interagera i världen på naturliga och intuitiva sätt.
Betydelsen av detta banbrytande samarbete
Partnerskapet mellan Boston Dynamics och RAI Institute är av oerhört stor betydelse för robotik- och AI-forskningssamhället av flera skäl. För det första förenar det två ledande organisationer inom robotikområdet, var och en med unika styrkor och expertis. Boston Dynamics är känt världen över för sina imponerande och dynamiska robotplattformar som Atlas, Spot, Handle och Stretch. RAI Institute, under ledning av Marc Raibert, har årtionden av erfarenhet av att utveckla banbrytande teknik för intelligenta maskiner och av att tillämpa förstärkningsinlärning på komplexa robotproblem.
Marc Raibert, grundaren av RAI Institute, är en ikon inom robotik. Som tidigare VD för Boston Dynamics formade han företagets utveckling avsevärt och skapade några av världens mest imponerande robotar. Hans vision om robotar som kan röra sig i den verkliga världen med samma skicklighet och mångsidighet som människor och djur har djupt påverkat robotforskningen. Med grundandet av RAI Institute fortsätter Raibert sitt uppdrag att tänja på gränserna för vad som är möjligt inom robotik och AI.
Samarbetet bygger på en solid grund av tidigare gemensamma projekt, inklusive "Reinforcement Learning Researcher Kit" för den fyrbenta roboten Spot. Detta kit gör det möjligt för forskare över hela världen att utveckla och testa algoritmer för förstärkningsinlärning på Spot-plattformen. Den framgångsrika utvecklingen och implementeringen av detta kit har visat att båda organisationerna kan arbeta effektivt tillsammans och utveckla innovativa lösningar inom förstärkningsinlärning för robotik.
Genom att tillämpa förstärkningsinlärning på Atlas, en av världens mest avancerade och kapabla humanoida robotar, förväntar sig partnerna betydande framsteg i utvecklingen av humanoida förmågor. Förstärkningsinlärning erbjuder potentialen att träna robotar att hantera komplexa uppgifter som skulle vara svåra att utföra med traditionella programmeringsmetoder. Det gör det möjligt för robotar att lära sig, anpassa sig och kontinuerligt förbättra sina förmågor genom interaktion med sin omgivning.
Boston Dynamics och RAI Institute har åtagit sig att publicera regelbundna uppdateringar och demonstrationer av sitt arbete med Atlas för att göra framsteg inom humanoid robotik tillgängliga för en bredare allmänhet. Denna transparens är avgörande för att bygga förtroende för robotik- och AI-forskning och främja allmänhetens acceptans av dessa tekniker. De planerade publikationerna kommer inte bara att informera forskarsamhället utan också inspirera allmänheten med de fascinerande möjligheterna och utmaningarna med humanoid robotik.
Gemensam forskning och utveckling i detalj
Samarbetet mellan Boston Dynamics och RAI Institute är uppdelat i flera kärnområden inom forskning och utveckling som är nära sammanlänkade och kompletterar varandra:
Utveckling av en gemensam pipeline för förstärkningsinlärning för Atlas
Kärnan i partnerskapet är utvecklingen av en toppmodern pipeline för förstärkningsinlärning, specifikt anpassad till Atlas behov och kapacitet. Denna pipeline kommer att utgöra grunden för träning av dynamiska och generaliserbara beteenden för mobil manipulation. Den omfattar alla steg i förstärkningsinlärningsprocessen, från att definiera belöningsfunktioner och välja lämpliga algoritmer, via utveckling av simuleringsmiljöer och datainsamling, till att validera och överföra de inlärda beteendena till den verkliga roboten.
Träningsprocessplanen kommer att vara modulär för att säkerställa flexibilitet och anpassningsbarhet till olika uppgifter och miljöer. Den kommer att integrera avancerade förstärkningsinlärningstekniker, såsom djup förstärkningsinlärning, modellbaserad förstärkningsinlärning och förstärkningsinlärning med flera agenter, för att maximera träningseffektiviteten och robustheten. Ett särskilt fokus kommer att ligga på att utveckla belöningsfunktioner som gör det möjligt för Atlas att lära sig komplexa uppgifter utan att varje steg behöver definieras explicit. Dessa belöningsfunktioner kommer att vägleda roboten att utveckla effektiva, naturliga och människoliknande rörelser och interaktioner.
Sim-to-Real-överföring: Bryggan mellan den virtuella och verkliga världen
Som tidigare nämnts är överföring från simulering till verklighet en av de största utmaningarna inom förstärkningsinlärning för robotik. Teamen kommer att arbeta intensivt för att överbrygga klyftan mellan simuleringar och den verkliga världen och för att säkerställa att de beteenden som tränas i simuleringarna framgångsrikt och tillförlitligt kan överföras till den fysiska hårdvaran.
Detta kräver en flerskiktad metod som inkluderar både förbättring av simuleringsmiljöer och utveckling av robusta överföringsmetoder. Simuleringsmiljöerna förbättras kontinuerligt för att mer exakt återspegla den fysiska verkligheten, inklusive modellering av friktion, kontakt, tröghet och andra fysiska effekter. Samtidigt används tekniker som domänrandomisering, systemidentifiering och adaptiv styrning för att göra de modeller som tränas i simuleringar mer motståndskraftiga mot osäkerheter i den verkliga världen. Målet är att skapa en sömlös övergång från simulering till verklighet, vilket gör det möjligt för Atlas att tillämpa de färdigheter som lärs in i den virtuella världen i verkliga miljöer utan betydande prestandaförsämring.
Fokus på viktiga färdigheter för framtidens humanoida robotik
Partnerskapet fokuserar på att utveckla och förbättra viktiga funktioner som är avgörande för den praktiska användningen av humanoida robotar i verkliga miljöer:
Förbättrad lokmanipulation: Hantera föremål under förflyttning
Atlas ska kunna manipulera föremål och anordningar som dörrar, brytare, spakar, verktyg och andra föremål medan de rör sig. Denna förmåga är avgörande för en mängd olika tillämpningar, från industriell automation och logistik till sök- och räddningsinsatser. Tänk dig att Atlas navigerar i oländig terräng samtidigt som man röjer skräp eller använder verktyg för att reparera en skadad struktur.
Förbättrad rörelsemanipulation kräver utveckling av algoritmer som koordinerar rörelseplanering, greppplanering och kraftkontroll i realtid. Atlas måste kunna anpassa sina rörelser och manipulationer till formen, storleken, vikten och texturen hos de objekt den manipulerar. Dessutom måste den kunna hantera osäkerheter i perception och omgivningen, och dynamiskt justera sina planer och rörelser. Utvecklingen av dessa funktioner kommer att göra Atlas till ett mycket mer mångsidigt och användbart verktyg för en mängd olika tillämpningar.
Helkroppskontaktstrategier: Komplexa rörelser och tunga belastningar
Forskarna fokuserar på att utveckla sofistikerade helkroppsrörelser som går utöver enkla gång- och greppövningar. Dessa inkluderar dynamisk löpning, hoppning, klättring, lyftning och bärande av tunga föremål samt manipulation i trånga utrymmen. Dessa förmågor kräver nära samordning mellan armar, ben och överkropp, där man använder helkroppssynergi för att utföra komplexa uppgifter.
Dynamisk gång och hoppning gör att Atlas kan röra sig snabbt och effektivt över ojämn terräng och över hinder. Klättring utökar dess räckvidd och ger åtkomst till svåråtkomliga områden. Att lyfta och bära tunga föremål gör den till ett värdefullt verktyg inom logistik och byggbranschen. Manipulering i trånga utrymmen gör att den kan användas i miljöer som är svåra eller farliga för människor att komma åt. Utvecklingen av helkroppskontaktstrategier är ett avgörande steg mot att förverkliga den humanoida formfaktorns fulla potential och göra Atlas till en verkligt smidig och kapabel robot.
Praktisk implementering och kontinuerlig uppföljning av framsteg
Partnerskapet mellan Boston Dynamics och RAI Institute lägger stor vikt vid ett transparent och praktikorienterat genomförande av deras forsknings- och utvecklingsarbete:
Regelbundna lägesrapporter och demonstrationer
Boston Dynamics och RAI Institute har åtagit sig att regelbundet publicera lägesrapporter som dokumenterar den senaste utvecklingen och framstegen i deras samarbete. Dessa rapporter kommer inte bara att innehålla skriftliga beskrivningar av framstegen utan även illustrativa demonstrationer med hjälp av Atlas, som visar de nyförvärvade färdigheterna i praktiken. Dessa demonstrationer kommer att släppas som videor och presentationer och göras tillgängliga för forskarsamhället och allmänheten.
De regelbundna uppdateringarna och demonstrationerna tjänar flera syften. De gör det möjligt för forskarsamhället att följa framstegen inom humanoid robotik och inspirera varandra. De främjar transparens och förtroende för robotforskning och bidrar till att öka allmänhetens acceptans av dessa tekniker. Dessutom ger de Boston Dynamics och RAI Institute möjlighet att få feedback från samhället och justera sin forskningsinriktning därefter.
Samarbetets plats: Massachusetts, USA
Allt forsknings- och utvecklingsarbete inom partnerskapet sker i Massachusetts, där båda organisationerna har sitt huvudkontor. Denna geografiska närhet främjar nära samarbete och direkt utbyte mellan forskargrupperna. Teamen vid Boston Dynamics och RAI Institute arbetar i gemensamma laboratorier och utnyttjar båda organisationernas resurser och infrastruktur. Denna nära integration av team och resurser är en avgörande faktor för partnerskapets framgång, vilket möjliggör utnyttjande av synergier och effektiv utveckling av forskning och utveckling.
Atlas förväntade nya funktioner: En titt på framtiden för humanoid robotik
Genom partnerskapet mellan Boston Dynamics och RAI Institute förväntas Atlas-roboten få en rad banbrytande nya funktioner som kommer att göra den till ett ännu mer mångsidigt och användbart verktyg:
Förbättrad rörlighet och manipulation: Smidighet och precision i rörelse
Dynamisk rörelse
Atlas kommer att kunna röra sig ännu stabilare och smidigare över ojämn terräng, i komplexa miljöer och även i dynamiska scenarier. Detta inkluderar gång, hoppning, klättring och förmågan att anpassa sig till olika ytor och förhållanden i realtid. Dynamisk förflyttning möjliggörs genom avancerade kontrollalgoritmer och fusion av sensordata, vilket gör att Atlas kan bibehålla balansen, övervinna hinder och anpassa sina rörelser till den specifika situationen.
Helkroppsmanipulation
Roboten kommer att implementera avancerade helkroppskontaktstrategier för att precist och effektivt lyfta, bära, flytta och manipulera tunga föremål. Detta kräver högutvecklad koordination av armar, ben och överkropp för att stabilisera vikten, upprätthålla balansen och hantera föremålen på ett säkert sätt. Helkroppsmanipulation gör det möjligt för Atlas att utföra uppgifter som tidigare var reserverade för människor, såsom att flytta tunga laster i lager, på byggarbetsplatser eller i katastrofområden.
Förbättrad miljöinteraktion: Intelligent interaktion med världen
Objektmanipulation
Atlas kommer att lära sig att manipulera en mängd olika objekt och apparater i sin omgivning, inklusive dörrar, brytare, spakar, ventiler, verktyg, behållare och mycket mer. Denna förmåga gör det möjligt för honom att arbeta i mänskliga miljöer och utföra uppgifter som kräver interaktion med befintlig infrastruktur. Objektmanipulation kräver avancerade perceptionsfärdigheter för att upptäcka, lokalisera och identifiera objekt, samt sofistikerade grip- och manipulationsstrategier för att hantera dem säkert och effektivt.
Anpassningsförmåga till material och strukturer
Roboten kommer automatiskt och intelligent att kunna anpassa sin kraft, hastighet och sina rörelser till olika material och strukturer utan att skada eller förstöra dem. Detta är avgörande för säker och tillförlitlig interaktion i den verkliga världen, där robotar kommer att stöta på en mängd olika ytor, material och föremål. Denna anpassningsförmåga uppnås genom användning av kraft- och momentsensorer, taktila sensorer och avancerade styralgoritmer, vilket gör det möjligt för Atlas att övervaka och justera sina interaktioner i realtid.
Inlärningsförmåga och generalisering: Grunden för framtida innovationer
Effektivare inlärning genom förstärkningsinlärning:
Genom att använda avancerade förstärkningsinlärningstekniker kommer Atlas att kunna lära sig nya färdigheter betydligt snabbare och mer effektivt än tidigare. Detta inkluderar att utveckla algoritmer som accelererar inlärning och bearbetar data
Lämplig för detta:
Din globala marknadsförings- och affärsutvecklingspartner
☑ Vårt affärsspråk är engelska eller tyska
☑ Nytt: korrespondens på ditt nationella språk!
Konrad Wolfenstein
Jag är glad att vara tillgänglig för dig och mitt team som personlig konsult.
Du kan kontakta mig genom att fylla i kontaktformuläret eller helt enkelt ringa mig på +49 89 674 804 (München) . Min e -postadress är: Wolfenstein ∂ xpert.digital
Jag ser fram emot vårt gemensamma projekt.