A kínai PNDbotics mérnökei egy olyan rendszert fejlesztetek, aminek köszönhetően a humanoid robotjuk – Adam – képes a stabil közlekedésre.
Újabb olyan videó látott napvilágot Kínából, amin egy humanoid robot képességét mutatják meg a mérnökök. Ezúttal azonban nem a Unitree gépe került a felvételekre, hanem a PNDbotics fejlesztése, Adam. Különlegessége, hogy saját fejlesztésű, megerősítéses tanulási algoritmussal rendelkezik. A kiterjedt szimulációk és a hatalmas képzési adatok segítségével finomítva mindez lehetővé teszi Adam számára, hogy elsajátítsa az emberszerű mozgást – írja az Interesting Engineering.
A beszámoló szerint a PNDbotics mérnökei 2023 júniusa óta fejlesztik Adamot, így azóta jelentős mértékben finomították a főbb alkatrészeit: megerősítették a lábakat és a lábfejeket, hogy ezzel biztosítsák a stabilitást különböző terepeken.
A hagyományos robotvezérlő algoritmusok, amelyek precíz matematikai modellekre és előre meghatározott mozgástervezésre támaszkodnak, segítenek abban, hogy a robotok hatékonyan tudjanak mozogni. Jó példák erre a Boston Dynamics Atlas és Spot robotjai. Ezek a módszerek azonban nem a legjobbak, ha ismeretlen vagy dinamikusan változó környezetről van szó, ahol a pontos modellezésre való támaszkodás korlátozza az alkalmazkodóképességet, és csak bonyolultabbá teszi a fejlesztést.
Az iparág ezért inkább a megerősítéses tanulás felé tolódik el, ami lehetővé teszi, hogy a robotok önállóan tanuljanak mozgási taktikákat a különböző terepeken. Mindennek köszönhetően Adam már úgy képes sétálni, mint egy ember.
Maga a robot 160 centiméter magas és 60 kilogrammot nyom. Lábai nagy érzékenységű aktuátorokkal rendelkeznek, amelyek akár 360 Nm nyomatékra is képesek.
A robotot egy Intel i7-es processzor működteti, és egy olyan hálózatot kapott, ami lehetővé teszi a teljes test vezérlését. A mérnökök aprólékosan kalibrálták a mozgással kapcsolatos adatokat, hogy azok illeszkedjenek Adam sajátos testfelépítéséhez, majd ezután adták hozzá a rendszerhez a speciálisan létrehozott mozgások nagy pontosságú rögzítését. Ez a módszer biztosította az alkalmazkodóképességet azáltal, hogy lehetővé tette a pontos modelloptimalizálást.
Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.
