Humanoïde robot leert bukken, stappen en zijwaarts draaien om obstakels te omzeilen

Een mens loopt moeiteloos door een volle huiskamer: even bukken voor een lamp, een stap over de kattenbak, schuin langs de deurpost. Voor een humanoïde robot is dat verrassend lastig. Niet alleen de voeten moeten een vrije weg vinden, ook hoofd, schouders, armen en romp mogen nergens tegenaan komen. Een robot kan dus met zijn benen prima door een deuropening passen, en toch met zijn schouder tegen de deurpost stoten. Het Chinese robotbedrijf Galbot heeft nu een systeem ontwikkeld dat dit probleem moet oplossen: PASSAGE.

Het systeem combineert drie dingen: waarnemen van de omgeving, het plannen van een bewegingspad en het aansturen van het hele lichaam tegelijk. In plaats van voor elk obstakeltype een apart trucje te gebruiken, kiest één centraal brein steeds de best passende combinatie van bewegingen. Daarbij maakt de robot gebruik van lidar, een sensor die met laserlicht de omgeving in kaart brengt en precies meet hoeveel ruimte er nog over is.

Leren van honderd uur mensen in beweging

Om de robot te leren hoe een lichaam zich aanpast aan een krappe ruimte, verzamelde het onderzoeksteam honderd uur bewegingsdata van mensen in 1.500 virtuele scènes. Testpersonen droegen een virtual-reality-bril en bewegingssensoren terwijl ze zich een weg baanden langs denkbeeldige hindernissen. Die opnames leren het systeem welke houding bij welk obstakel past, een vorm van imitatieleren. De rekenkracht hiervoor zit in de robot zelf, op een kleine computer van Nvidia, zonder dat er vooraf een plattegrond van de ruimte nodig is of dat er op afstand wordt meegerekend.

Hoge slagingskans, maar botsingen blijven lastig

In 750 simulaties in 150 nieuwe, onbekende omgevingen bereikte de robot in 98,67 procent van de gevallen zijn doel. Dat cijfer zegt alleen iets over de vraag of hij aankwam, niet of hij daarbij iets raakte. Zodra de eis werd toegevoegd dat de robot nergens tegenaan mag komen, daalde het slagingspercentage naar 70,3 procent. Dat verschil laat zien hoe moeilijk het is om een heel lichaam foutloos door een beperkte ruimte te sturen, een uitdaging die onderzoekers omschrijven met de term whole-body policy learning.

Op een fysieke Unitree G1-robot testte het team het systeem in vijftig onbekende opstellingen. De robot viel geen enkele keer en had geen menselijke ingreep nodig, maar raakte in vijf van de vijftig gevallen toch een obstakel aan. Galbot noemt dit een beperkte proef die nog niets zegt over betrouwbaarheid in alledaagse omgevingen zoals huizen, kantoren of fabrieken. De broncode van PASSAGE is nog niet vrijgegeven, waardoor onafhankelijke tests voorlopig uitblijven.