Araştırmacılar, olağanüstü uyarlanabilirliğe sahip, biyolojik olarak ilham alan dört ayaklı bir hareket sistemi geliştirdi. Hayvan hareketlerinden ilham alan yeni Derin Güçlendirmeli Öğrenme (DRL) çerçevesi, yürüyüş geçişleri, işlemsel bellek ve gerçek zamanlı hareket ayarlamaları yoluyla dört ayaklıların uyum yeteneğini artırarak mevcut kontrol yöntemlerinin sınırlamalarını ortadan kaldırıyor.
Yeni robot hareket sistemi nasıl çalışıyor?
Leeds Üniversitesi ve University College London ekibinin modeli, karmaşık arazilerde sıfır atışlı konuşlandırma sağlıyor ve ekstra algılayıcı sensörlere güvenmeden dengesiz zeminlerde dengeyi yeniden sağlıyor.
Araştırmacılara göre, bu gelişme aynı zamanda hayvanların hareket stratejilerinin karmaşıklığını da ortaya koyuyor ve biyomekanik ile robotik araştırmalarının birbirini nasıl ilerletebileceğini gösteriyor.Dört ayaklı memelilerin hareket kabiliyetinin olağanüstü uyarlanabilirliğinden ilham alan, doğuştan gelen ve çevresel faktörlerle şekillenen dört ayaklı robotik, gelişmiş hareket sistemleri geliştirmede ilerleme kaydetti.
Mevcut sistemler genellikle çeşitli arazilerde gezinmek üzere eğitilmiş çok katmanlı algılayıcılara (MLP’ler) sahip DRL’ye güvenir. Bu çerçeveler sağlamlık, bozulmaları idare etme, zıplama, deforme olabilen yüzeyleri geçme ve düşmelerden kurtulma konusunda mükemmeldir. Ancak, uyarlanabilirlikleri sınırlıdır ve genellikle tek bir yürüyüş stratejisine güvenir. Buna karşılık, biyomekanik araştırmalar, hayvanların verimlilik için koşma veya koşma gibi çeşitli yürüyüşler ve özel görevler için sıçrama gibi özel yürüyüşler kullandığını ortaya koymaktadır.
Araştırmacılara göre, uyum sağlama yeteneği üç temel özellikten kaynaklanır: gelişmiş yürüyüş seçimi stratejileri, hızlı dağıtım için yürüyüş prosedürel hafızası ve nominal olmayan koşullar için hassas hareket ayarlamaları. Bazı DRL yöntemleri birden fazla yürüyüş için eğitim verirken, bu özelliklerin hepsini aynı anda entegre etmeyi başaramazlar.Merkezi desen üreteçleri (CPG’ler) gibi biyolojik olarak ilham alan yöntemler, kendiliğinden yürüyüş geçişlerine olanak tanır ancak gerçek dünya uygulamalarında sınırlı kalmaktadır.
Ekip, DRL çerçevelerinin enerji verimliliği, mekanik iş minimizasyonu ve kas-iskelet koordinasyonu gibi yüksek seviyeli biyomekanik özelliklerle desteklenmesinin bu açığı kapatabileceğini, karmaşık ortamlarda robotik hareket kabiliyetini ve performansını artırabileceğini vurguluyor.
