Создание гибкой и многофункциональной робототехники практически немыслимо без предварительно разработки точных и функциональных алгоритмов движения этой робототехники по различным поверхностям и в различных условиях. В особенности научное сообщество на данный момент волнует улучшение текущих концептов так называемых двухпедальных роботов – моделей, использующие в качестве передвижения две функциональные конечности. Заставить такого робота самостоятельно шагать и находить опору на непросчитанной заранее местности является действительно сложной задачей, однако у команды робототехников из Калифорнийского Университета есть свой ответ на этот вызов.
Статья с новым исследованием команды калифорнийских экспериментаторов подробно объясняет видение специалистов в деле улучшения передвижения роботов – Аюш Агравал и Кван Нгуен, являющиеся руководителями проекта, отмечают, что команда исследователей сосредоточилась на улучшении паттернов движения большого робота ATRIAS, перед которым стояла задача правильно преодолеть небольшой отрезок пути, на котором в разное время по-разному располагались плитки камня, выстроенные в разные паттерны.
Специалисты разработали и протестировали свою новую систему алгоритмов контроля движения робота, представляющую собой двухпозиционную оптимизацию шага. Предварительные результаты продемонстрировали, что робот ATRIAS, используя новые алгоритмы, действительно быстро и эффективно преодолел различные типы препятствий, выстроенных в разном порядке – впрочем, до окончательного успеха в этом отношении еще далеко.
Дело в том, что составить такую многосложную систему алгоритмов передвижения роботов достаточно сложно, так как требуется уточнять не только изменяющиеся паттерны движения в зависимости от той или иной поверхности, но также задействовать внутренние ресурсы искусственного интеллекта для предупреждения паттернов. Калифорнийские специалисты приблизились к пониманию того, как следует делать такие алгоритмы и как правильно сопоставлять их с текущими возможностями робототехники, вне зависимости от того, какая она.
