ETH Zürich-onderzoekers onder leiding van Marco Hutter ontwikkelden een nieuwe controleaanpak waarmee een robot met poten, ANYmal genaamd, snel en robuust over moeilijk terrein kan bewegen. Dankzij machine learning kan de robot voor het eerst zijn visuele waarneming van de omgeving combineren met zijn tastzin.

Steile stukken op glibberige grond, hoge trappen, puin en bospaden vol wortels:het pad naar de 1098 meter hoge Etzel aan de zuidkant van het meer van Zürich is doorspekt met talloze obstakels. Maar ANYmal, de quadrupedale robot van het Robotic Systems Lab van ETH Zürich, overwint moeiteloos de 120 verticale meters in een wandeling van 31 minuten. Dat is 4 minuten sneller dan de geschatte duur voor menselijke wandelaars - en zonder vallen of misstappen.

Dit wordt mogelijk gemaakt door een nieuwe besturingstechnologie, die onderzoekers van ETH Zürich onder leiding van roboticaprofessor Marco Hutter onlangs hebben gepresenteerd in het tijdschrift Science Robotics . "De robot heeft geleerd om visuele waarneming van zijn omgeving te combineren met proprioceptie - zijn tastzin - op basis van direct beencontact. Hierdoor kan hij ruw terrein sneller, efficiënter en vooral robuuster aanpakken", zegt Hutter. In de toekomst kan ANYmal overal worden gebruikt waar het te gevaarlijk is voor mensen of te onbegaanbaar is voor andere robots.

De omgeving nauwkeurig waarnemen

Om door moeilijk terrein te navigeren, combineren mens en dier automatisch de visuele waarneming van hun omgeving met de proprioceptie van hun benen en handen. Hierdoor kunnen ze gemakkelijk gladde of zachte grond aan en kunnen ze zich met vertrouwen voortbewegen, zelfs als het zicht slecht is. Tot nu toe hebben poten robots dit slechts in beperkte mate kunnen doen.

"De reden is dat de informatie over de directe omgeving die wordt vastgelegd door lasersensoren en camera's vaak onvolledig en dubbelzinnig is", legt Takahiro Miki uit, een promovendus in de groep van Hutter en hoofdauteur van het onderzoek. Hoog gras, ondiepe plassen of sneeuw verschijnen bijvoorbeeld als onoverkomelijke obstakels of zijn gedeeltelijk onzichtbaar, ook al zou de robot ze kunnen doorkruisen. Bovendien kan het zicht van de robot in het veld worden belemmerd door moeilijke lichtomstandigheden, stof of mist.

"Daarom moeten robots zoals ANYmal zelf kunnen beslissen wanneer ze de visuele waarneming van hun omgeving moeten vertrouwen en snel vooruit moeten gaan, en wanneer het beter is om voorzichtig en met kleine stapjes te werk te gaan", zegt Miki. "En dat is de grote uitdaging."

Een virtueel trainingskamp

Dankzij een nieuwe controller op basis van een neuraal netwerk, kan de beenrobot ANYmal, die werd ontwikkeld door ETH Zürich-onderzoekers en gecommercialiseerd door de ETH-spin-off ANYbotics, nu voor het eerst externe en proprioceptieve waarneming combineren. Voordat de robot zijn mogelijkheden in de echte wereld kon testen, stelden de wetenschappers het systeem in een virtueel trainingskamp bloot aan tal van obstakels en foutenbronnen. Hierdoor leerde het netwerk de ideale manier voor de robot om obstakels te overwinnen, en ook wanneer hij kan vertrouwen op omgevingsgegevens - en wanneer het beter zou zijn om die gegevens te negeren.

"Met deze training is de robot in staat om het moeilijkste natuurlijke terrein te beheersen zonder het eerder te hebben gezien", zegt ETH Zürich Professor Hutter. Dit werkt ook als de sensorgegevens over de directe omgeving dubbelzinnig of vaag zijn. ANYmal speelt dan op veilig en vertrouwt op zijn proprioceptie. Volgens Hutter kan de robot hierdoor het beste van twee werelden combineren:de snelheid en efficiëntie van externe detectie en de veiligheid van proprioceptieve detectie.

Gebruik onder extreme omstandigheden

Of het nu na een aardbeving, na een nucleaire ramp of tijdens een bosbrand is, robots zoals ANYmal kunnen voornamelijk worden gebruikt waar het te gevaarlijk is voor mensen en waar andere robots het moeilijke terrein niet aankunnen.

In september vorig jaar kon ANYmal laten zien hoe goed de nieuwe besturingstechnologie werkt tijdens de DARPA Subterranean Challenge, 's werelds bekendste robotica-competitie. De ETH Zürich-robot overwon automatisch en snel tal van obstakels en moeilijk terrein terwijl hij autonoom een ​​ondergronds systeem van smalle tunnels, grotten en stedelijke infrastructuur verkende. Dit was een belangrijk onderdeel van de reden waarom de ETH Zürich-onderzoekers, als onderdeel van het CERBERUS-team, de eerste plaats behaalden met een prijs van 2 miljoen dollar.