Исследовательская группа Московского физико-технического института (МФТИ, участник НАУРР) представила подход к перемещению шагающих роботов по неровным поверхностям и в ограниченных пространствах.
Гуманоидные платформы рассматриваются как перспективное решение для бытовых, сервисных и исследовательских задач. Чтобы такие системы могли уверенно функционировать в среде, созданной для человека, критично точное управление локомоцией — особенно в условиях препятствий и изменчивого рельефа.
Специалисты МФТИ предложили метод планирования движений для роботов-гуманоидов, основанный на алгоритмах искусственного интеллекта. Технология позволяет машине точно рассчитывать расположение стоп и динамически регулировать высоту шага. Благодаря этому робот способен проходить препятствия высотой до половины своей ноги и поддерживать скорость перемещения около 3 км/ч.
Ключевая идея разработки — перейти от задания целевой скорости к заданию целевых положений стоп. Нейросетевой контроллер, управляющий приводами, обучен обеспечивать максимально точное попадание в рассчитанные точки. Такой подход разделяет восприятие и управление, что делает систему более предсказуемой и безопасной.
Сначала встроенный компьютер анализирует данные с камеры о рельефе и предметах вокруг. Затем формирует набор целевых позиций для следующих шагов. После этого политика управления посылает приводу команды, обеспечивая движение по рассчитанной траектории. По словам автора разработки — аспиранта и ведущего инженера лаборатории интеллектуальных технологий робототехники Института искусственного интеллекта МФТИ Вильяма Сулимана — именно эта архитектура позволяет роботу сохранять стабильность и соблюдать точность.
Отличительная особенность алгоритма — двухшаговое предвидение. Робот планирует не только ближайший шаг, но и следующий за ним, что повышает устойчивость на неровном рельефе. В отличие от контроллеров, которые компенсируют неустойчивость хаотичным изменением позиций ног, новая методика ориентирована на строгое следование заранее рассчитанным шагам. Это особенно важно на структурированных поверхностях — лестницах, ступенях и краях перепадов, где критично точное размещение стопы.
Как отмечает Вильям Сулиман, планирование только одного шага формирует «короткое зрение» — робот не успевает своевременно остановиться или перестроиться перед препятствием. Прогнозирование трех шагов практически не усиливает устойчивость, но усложняет ориентацию и повышает вычислительную нагрузку. Двухшаговая стратегия обеспечивает оптимальный баланс и достаточный «операционный горизонт» для адаптации.
Метод протестировали в симуляторе в виртуальной среде на прототипе платформы. Эксперименты подтвердили эффективность: робот корректно реагировал на меняющиеся команды и сохранял устойчивость при движении по неровностям, демонстрируя точное исполнение запланированных шагов.
По оценке исследователей, человекоподобные системы имеют значительное преимущество перед колесными роботами в средах, где присутствуют лестницы, узкие проходы или сложные препятствия. Такие платформы могут использоваться в бытовой помощи, поддержке пожилых людей, задачах ухода, а также в поисково-спасательных операциях.
Гуманоидные платформы рассматриваются как перспективное решение для бытовых, сервисных и исследовательских задач. Чтобы такие системы могли уверенно функционировать в среде, созданной для человека, критично точное управление локомоцией — особенно в условиях препятствий и изменчивого рельефа.
Специалисты МФТИ предложили метод планирования движений для роботов-гуманоидов, основанный на алгоритмах искусственного интеллекта. Технология позволяет машине точно рассчитывать расположение стоп и динамически регулировать высоту шага. Благодаря этому робот способен проходить препятствия высотой до половины своей ноги и поддерживать скорость перемещения около 3 км/ч.
Ключевая идея разработки — перейти от задания целевой скорости к заданию целевых положений стоп. Нейросетевой контроллер, управляющий приводами, обучен обеспечивать максимально точное попадание в рассчитанные точки. Такой подход разделяет восприятие и управление, что делает систему более предсказуемой и безопасной.
Сначала встроенный компьютер анализирует данные с камеры о рельефе и предметах вокруг. Затем формирует набор целевых позиций для следующих шагов. После этого политика управления посылает приводу команды, обеспечивая движение по рассчитанной траектории. По словам автора разработки — аспиранта и ведущего инженера лаборатории интеллектуальных технологий робототехники Института искусственного интеллекта МФТИ Вильяма Сулимана — именно эта архитектура позволяет роботу сохранять стабильность и соблюдать точность.
Отличительная особенность алгоритма — двухшаговое предвидение. Робот планирует не только ближайший шаг, но и следующий за ним, что повышает устойчивость на неровном рельефе. В отличие от контроллеров, которые компенсируют неустойчивость хаотичным изменением позиций ног, новая методика ориентирована на строгое следование заранее рассчитанным шагам. Это особенно важно на структурированных поверхностях — лестницах, ступенях и краях перепадов, где критично точное размещение стопы.
Как отмечает Вильям Сулиман, планирование только одного шага формирует «короткое зрение» — робот не успевает своевременно остановиться или перестроиться перед препятствием. Прогнозирование трех шагов практически не усиливает устойчивость, но усложняет ориентацию и повышает вычислительную нагрузку. Двухшаговая стратегия обеспечивает оптимальный баланс и достаточный «операционный горизонт» для адаптации.
Метод протестировали в симуляторе в виртуальной среде на прототипе платформы. Эксперименты подтвердили эффективность: робот корректно реагировал на меняющиеся команды и сохранял устойчивость при движении по неровностям, демонстрируя точное исполнение запланированных шагов.
По оценке исследователей, человекоподобные системы имеют значительное преимущество перед колесными роботами в средах, где присутствуют лестницы, узкие проходы или сложные препятствия. Такие платформы могут использоваться в бытовой помощи, поддержке пожилых людей, задачах ухода, а также в поисково-спасательных операциях.
