まるで平らな地面を歩いているようです!ボストンダイナミクスアトラスはパルクールを学習しますが、舞台裏の映像は長編映画よりもさらにエキサイティングです

まるで平らな地面を歩いているようです!ボストンダイナミクスアトラスはパルクールを学習しますが、舞台裏の映像は長編映画よりもさらにエキサイティングです

ステージ上の1分、ステージ外の10年間の努力。

ボストン・ダイナミクスのロボット「アトラス」は新たなスキルを習得した。今回はパルクールだ。

パルクール競技はボストン・ダイナミクス本社の2階で開催され、一連の傾斜した合板、木箱で作られた階段、平均台などの課題が課された。

3、2、1、ゴー!

この段落から、パフォーマンスは完璧であり、アトラスは平らな地面を歩いています。

「パルクールは、私たちが重要だと考えるいくつかの課題を浮き彫りにしてくれるので、私たちのチームにとって有益なアクティビティです」と、アトラス チーム リーダーのスコット クインデルスマ氏は語ります。

  • 拡張された移動動作が可能な高出力密度移動ロボットを構築するにはどうすればよいでしょうか?
  • 幅広い動作を作成し、それを堅牢に制御できる制御アルゴリズムをどのように設計すればよいでしょうか?
  • どのように認識を行動に結び付け、A 地点から B 地点に移動するような長期目標と、歩幅を調整したりバランスを保つために矯正力を適用したりするような短期的な動的目標のバランスをとるのでしょうか。

3年前、ボストンはアトラスのパルクール動画を公開した。アトラスは複数のプラットフォームを飛び越え、階段を駆け上がるときに体重を右足から左足へ、そして再び右足へ移すことができた。

Atlas はハードウェアや外観の面では以前のものとあまり変わりませんが、動作の仕方が微妙に改良されています。たとえば、初期のパルクール動画では、アトラスは硬直した感じで、足取りも少し重かったのですが、今ではバランス感覚が格段に良くなり、障害物コース全体を一回で完走しています。

初期のアトラスのパルクールビデオは、多かれ少なかれ窮屈な感じがしました。

今日のアトラスは、さらに高性能です。

最も不安定な運動は、支える腕が震える跳馬でした。アトラスの腕は重い体に比べて力が足りないので、この動きは実際にはかなり難しいです。このスタントはロボットが達成できる限界に達しています。

初期のビデオでは、アトラスは腕立て伏せ、逆立ち、バック宙をしていましたが、これらの動きを制御する基本的なプロセスは変更されました。現在、アトラスの動きは知覚によって動かされています。これまで、ロボットは平らな面や固定された箱の上で事前にプログラムされたパルクールしか実行できませんでしたが、現在ではアトラスは RGB カメラと深度センサーを使用して環境を検出し、それに反応します。

ボストン ダイナミクスのブログには、「これは、エンジニアがロボットが遭遇する可能性のあるプラットフォームやギャップへのジャンプ動作を事前にプログラムする必要がないことを意味します。代わりに、チームは環境に合わせて少数のテンプレート動作を作成し、それらをオンラインで実行します。」と書かれています。具体的には、アトラスが周囲の世界を認識し、ルートをマッピングし、ロボットを直立させるために必要なすべての計算を処理する 3 台のオンボード コンピューターがあります。

興味深いことに、ボストン・ダイナミクスは今回、本編よりもさらにエキサイティングな舞台裏映像も公開した。

ある時点で、アトラスはジャンプを失敗し、次のプラットフォームに墜落しました。

走行中、アトラスの油圧ラインが破裂したようで、地面に落ちた際に液体が四方八方に飛び散りました。

時々、障害が立ちはだかることがあります:

また別の時、アトラスがバック宙をしようとしたとき、テーブルの天板がアトラスの体重で割れ、アトラスは頭から着地しました。

地面に激突した結果は悲惨なものだったが、その理由の 1 つは、Atlas がまだ何らかの落下検知を習得していないためである。人間には本能的な転倒検知プログラムがあり、通常は転倒したときに腕を伸ばして体を支えようとしますが、Atlas は正面から立ち向かいます。

「あなたや私が障害物を飛び越えたい場合、私たちはロボットには当てはまらない巧妙な方法で身体の特定の特性を利用します」とクインデルスマ氏は言う。 「例えば、ロボットには背骨や肩甲骨がないので、その可動曲線は人間とは異なります。また、ロボットの胴体は重く、腕の関節は比較的弱いです。これらの制約の中で、より効率的な解決策を見つけることは興味深い課題です。」

<<:  ビジネスインテリジェンスを変革するAIの優れたユースケース

>>:  海外の研究者がAIを使って生体認証を欺く顔を生成

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

TensorFlow が機械学習開発に使用できるのはなぜですか?

機械学習は複雑な分野ですが、データの取得、モデルのトレーニング、予測の提供、将来の結果の改善のプロセ...

...

チャットボットにおける2つの技術的火種: AIと機械学習

チャットボットの人気が高まるにつれて、競合するアプリケーション フレームワークが多数登場しました。 ...

AI消費動向予測について

インターネット データ センターの最新の消費者ガイド分析によると、2021 年から 2025 年の期...

...

Java ME での衝突検出アルゴリズムの実装

Java ME ゲーム開発では、衝突検出アルゴリズムを実装する必要があることがよくあります。たとえば...

ITリーダーが避けるべき6つのGenAIの落とし穴

OpenAI が最近発表した ChatGPT のカスタム バージョンにより、あらゆる企業が GenA...

人工知能とビッグデータ: ビジネス価値に関するデータの洞察を発見

デジタル時代において、ビッグデータと人工知能はビジネス界の重要な原動力となっています。大量のデータが...

人工知能は止められない。アドバンテックのWISE-PaaS 3.0がイノベーションを推進

アドバンテックは、2018年11月1日~2日に開催されたアドバンテックIoT共創サミットにおいて、プ...

...

DeepMindのAIが核融合炉の制御を学習、Nature誌に発表

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

2020 年のソフトウェア開発における 6 つの画期的なトレンドは何ですか?

[[313570]] 1. ブロックチェーンブロックチェーンは、間違いなく IT 業界で最も議論さ...

20年後、AIはデータセンターアーキテクチャを再び分裂に引きずり込むのでしょうか?

Alpha GO が人間の囲碁プレイヤーに勝利して以来、AI はビジネス界全体で最もホットな用語に...

...