Il robot camminatore Anymal ha completato con successo il suo addestramento. I ricercatori dell'ETH hanno utilizzato l'apprendimento automatico per insegnargli nuove abilità. Ora il robot si arrampica sugli ostacoli e supera le insidie.
- Leggi tutto
- Numero di commenti
![Anymal si arrampica su due scatole con uno spazio intermedio.](/de/news-und-veranstaltungen/eth-news/news/2024/03/anymal-macht-parkour-und-laeuft-ueber-schutt/_jcr_content/articleLeadImage/image.imageformat.carousel.51637429.jpg)
In breve
- Il robot che cammina Anymal apprende in modo automatico, come un bambino, attraverso tentativi ed errori. Ora ha imparato da solo il parkour.
- Con l'aiuto di una telecamera e di una rete neurale artificiale, riconosce e supera gli ostacoli.
- In combinazione con la classica tecnologia di controllo, può manovrare anche su terreni accidentati.
Il robot camminatore Anymal padroneggia da tempo il terreno sassoso dei sentieri svizzeri. I ricercatori dell'ETH di Zurigo gli hanno ora insegnato nuove abilità: il robot eccelle ora nel parkour, lo sport di tendenza che consiste nel superare gli ostacoli nelle aree urbane con movimenti atletici. Anymal ora se la cava bene anche su terreni accidentati, come in un cantiere o in una zona disastrata.
Per insegnare al robot camminatore queste abilità, due team del gruppo di Marco Hutter, professore del Dipartimento di ingegneria meccanica e dei processi, hanno seguito approcci diversi.
Le possibilità meccaniche esaurite
Il dottorando Nikita Rudin, che pratica il parkour nel tempo libero, lavora all'ETH in uno dei team. "Prima di iniziare il progetto, alcuni dei miei colleghi ricercatori erano dell'opinione che tutto fosse già stato raggiunto nello sviluppo dei robot deambulanti", racconta. "Io mi sono opposto. Perché ero convinto che fosse possibile fare molto di più con la meccanica dei robot deambulanti".
Tenendo a mente le proprie esperienze di parkour, ha cercato di spingere le capacità di Anymal ancora più in là. A questo scopo ha insegnato al robot camminatore nuove abilità attraverso l'apprendimento automatico. Anymal è ora in grado di arrampicarsi sugli ostacoli e di saltarne giù con movimenti dinamici.
Anymal ha imparato per tentativi ed errori, proprio come un bambino. Quando Anymal si trova di fronte a un ostacolo, utilizza una telecamera e una rete neurale artificiale per riconoscere il tipo di ostacolo da superare. Esegue quindi i movimenti che ha imparato in precedenza durante l'addestramento per essere promettente.
? stato esaurito ciò che è tecnicamente fattibile? Questo è in gran parte il caso delle singole abilità appena apprese, dice Rudin. Tuttavia, sono ancora possibili molti progressi. Ad esempio, se il robot che cammina non solo deve risolvere compiti predefiniti, ma deve anche muoversi su terreni difficili in generale, come ad esempio in un campo di macerie.
Combinazione con la tecnologia classica
Rendere il robot camminatore adatto proprio a queste applicazioni è stato l'obiettivo di un altro progetto del collega di Rudin, Fabian Jenelten. Il dottorando non si è affidato solo all'apprendimento automatico, ma lo ha combinato con un approccio ben noto nell'ingegneria del controllo, noto come controllo basato su modelli. I movimenti di base difficili da imparare, come riconoscere e superare gli avvallamenti del terreno in un campo di macerie, possono così essere insegnati più facilmente a un robot. L'apprendimento automatico, invece, aiuta il robot ad apprendere i modelli di movimento in modo da poterli applicare in modo flessibile in situazioni impreviste. "Combinando entrambi gli approcci, possiamo ottenere il massimo da Anymal", spiega Jenelten.
Il robot che cammina è ora in grado di orientarsi meglio su superfici scivolose o massi instabili. Presto sarà utilizzato anche nei cantieri edili o ovunque sia troppo pericoloso per l'uomo: ad esempio, per ispezionare una casa fatiscente in una zona disastrata.
![Anymal si arrampica sulle pietre.](/de/news-und-veranstaltungen/eth-news/news/2024/03/anymal-macht-parkour-und-laeuft-ueber-schutt/_jcr_content/wide_content/image/image.imageformat.1286.1849890087.jpg)
Riferimenti
Hoeller D, Rudin N, Sako D, Hutter M: ANYmal Parkour: Learning Agile Navigation for Quadrupedal Robots, Science Robotics, 13 marzo 2024, doi: pagina esterna10.1126/scirobotics.adi7566
Jenelten F, He J, Farshidian F, Hutter M: DTC: Deep Tracking Control. Science Robotics 2024, 17: eadh5401, doi: pagina esterna10.1126/scirobotics.adh5401