動物の本能はロボットの歩行を助けます

高度な2本足ロボットは、なじみのない地形に適応できます。 この中で、彼は動物の動きを説明する理論に基づいた「本能」に助けられています。





実験サンプルの高さは23センチで、Ranbotと呼ばれます。 これは、かさばる電気モーターに絡まった金属製の足とワイヤーの塊だけではありません。 ランボットは歩き、時にはつまずきます。 ロボットは円を描いて歩き、特殊な桁に取り付けられます。 実験は、ドイツのゲッティンゲン大学のフィレンツェヴェルゲッターの研究室で行われます。



ランボットは記録保持者です。 彼は世界最速の二足歩行ロボットです。







最新バージョンのランボットは、未知の新しい困難な地形に適応できます。 ロボットは「階層管理構造」を使用します。 言い換えれば、環境要件が高まると、さまざまなレベルの制御が関与する可能性があります。



階層管理構造の最下位レベルは「ローカルチェーン」と呼ばれます。 基本的なロボット動作制御を実行します。 このレベルでは、ヒンジからのデータが修正に使用されます。 次に、特別なコマンドを使用して、修正がヒンジに送信されます。



この単純なフィードバックループにより、移動する表面が比較的平坦であれば、ロボットは安定して移動できます。



試行錯誤

基本的なレベルの制御では、上昇などのなじみのない領域に遭遇した場合、安定した動きを提供できません。 これにより、ロボットのバランスが崩れ、落下します（ビデオのように）。

この場合、研究者は高レベルの制御メカニズムを導入しました。 ロボットが不安定になると、赤外線センサーは別のコンピューターを使用するコマンドを出します。 ローカルチェーンのメカニズムを置き換え、試行錯誤によって未知の地形を克服することをロボットに学習させます。

このアプローチは実装が簡単で、他のロボットが使用する方法と比較した場合の計算速度が特徴です。 たとえば、 Asimoと呼ばれるホンダのロボットは、すべての関節とセンサーの動きを常に分析および評価する必要があります。 彼は次の各ステップを計算するためにこれを行います。 このような計算には、かなりのコンピューター能力が必要です。

階層管理は、人間と動物がさまざまな表面に沿って比較的簡単に移動する方法を説明する理論です。



データ保存

階層的管理の理論は、ロシアの心理学者ニコライ・バーンシュテインによって前世紀の30年代に初めて提案されました。 動物では、筋肉、神経、脊髄の間で局所的なフィードバックが発生します。 脳はより高いレベルの制御を実行します。

動物の身体のメカニズムは、Ranbotロボットのメカニズムよりもはるかに複雑です。 動物には、階層管理の理論では説明されていないさまざまなメカニズムがあり、重要な役割を果たしています。

ヴェルゲッターは、遅かれ早かれロボットは今よりもはるかに生き物を模倣することを学ぶと信じています。 たとえば、人は以前に学んだ重要な動きを思い出します。 人間とは異なり、最新のロボットはほとんどデータを保存しません。

「将来、ロボットは常に大量のデータを保存できるようになるでしょう。 ロボットのデータ保存能力を制限する根本的な理由はありません」と、Wörgötter氏はNew Scientistのインタビューで述べています。