రిక్షా లాగే హ్యూమనాయిడ్ రోబో

మనుషుల కోసం నిర్మించిన ప్రదేశాల్లో హ్యూమనాయిడ్ రోబోలు మనుషులను, పనిముట్లను, సరుకులను తరలిస్తాయని ఆశిస్తున్నారు. చేతుల్లో భారం మోయడం కష్టమైన పని: అది కీళ్లపై, నిర్మాణంపై, సమతుల్యతపై ఒత్తిడి తెస్తుంది. బండి అంత పాతదైన మరో మార్గం ఉంది: దాన్ని చక్రాలపై లాగడం. బరువులో ఎక్కువ భాగాన్ని చక్రాలు భరిస్తాయి, రోబో కేవలం తోపుడు, దిశానిర్దేశం అందిస్తే చాలు. సూత్రప్రాయంగా, అప్పుడు ఒక రోబో తన కంటే చాలా ఎక్కువ బరువున్న భారాలను కదిలించగలదు.

షాంఘై ఇన్నోవేషన్ ఇన్‌స్టిట్యూట్‌లోని Legged AI Labకు చెందిన యాంగ్‌ఝీ యాంగ్ (Yangzhi Yang), షియావోబిన్ షియోంగ్ (Xiaobin Xiong), సహచరులు ఆకట్టుకునే ఒక పరీక్షా సందర్భాన్ని ఎంచుకున్నారు: రిక్షా లాగే హ్యూమనాయిడ్.

కొలతకు తగ్గట్టు తయారు చేసిన బండి

రోబో Unitree G1, దాని కాళ్లు, నడుము, చేతుల్లో మోటారుతో నడిచే 29 కీళ్లు ఉన్నాయి, ప్రత్యేకంగా తయారు చేసిన అల్యూమినియం కొనలు అమర్చిన రెండు గ్రిప్పర్లు ఉన్నాయి. వాణిజ్య రిక్షాలు దానికి చాలా పెద్దవి, అందుకే బృందం సైకిల్ చక్రాలు, రేసింగ్ గుంట సీటు, అల్యూమినియం గొట్టాలతో ఒకదాన్ని తయారు చేసింది. ఖాళీగా ఉన్నప్పుడు దాని బరువు 22.8 కిలోగ్రాములు.

కష్టం ఏమిటంటే, హ్యాండిల్స్ ద్వారా ప్రయాణించే బలాలు ఒకేసారి అన్నిటిపైనా ఆధారపడతాయి: భారం ఎంత బరువుగా ఉంది, ఎక్కడ కూర్చుంది, చక్రాలు నేలపై ఎలా దొర్లుతాయి, బండికి సంబంధించి రోబో ఎలా నిలబడింది. పైగా రోబో వీటిలో దేన్నీ నేరుగా కొలవకుండానే బయలుదేరాలి, సాగాలి, మలుపు తిరగాలి, ఆగాలి. దానికి తెలిసేది దాని సొంత శరీరం అనుభవించేది మాత్రమే — కీళ్ల కోణాలు, కీళ్ల వేగాలు, మొండెం వాలు.

అన్నీ చూసే గురువు, ఊహించే శిష్యుడు

నియంత్రకానికి ఒక భౌతిక సిమ్యులేటర్‌లో, బలవర్ధక అభ్యాసం (reinforcement learning) ద్వారా, మూడు దశల్లో శిక్షణ ఇచ్చారు:

1. సిమ్యులేటర్‌కు తెలిసిన ప్రతిదానికీ ప్రత్యేక ప్రాప్యతతో ఒక **“గురువు”**కు శిక్షణ ఇస్తారు: బండి ద్రవ్యరాశి, గురుత్వ కేంద్రం, దొర్లే నిరోధం, నేల ఘర్షణ, వాలు, ప్రతి గ్రిప్పర్‌పై బలాలు.
2. ఒక “శిష్యుడు” గత 61 కాల దశలలో రోబో సొంత సెన్సర్ల చరిత్రను మాత్రమే చూస్తాడు. అతను గురువు చర్యలను అనుకరించడం, తన శరీరం ఎలా స్పందిస్తూ వచ్చిందో దాన్నుంచి పరిస్థితి గురించి గురువు ఇచ్చే సంక్షిప్త సారాంశాన్ని ఊహించడం నేర్చుకుంటాడు.
3. ఆ తర్వాత శిష్యుడిని ఒంటరిగా మరింత మెరుగుపరుస్తారు.

శిక్షణలో రెండు గ్రాఫిక్స్ ప్రాసెసర్లపై 8,192 సిమ్యులేటెడ్ రోబోలను సమాంతరంగా సుమారు 11 గంటలు నడిపారు, బండి ద్రవ్యరాశి, ఘర్షణ, వాలు, యాదృచ్ఛిక తోపులు అన్నీ మార్చుతూ.

శిష్యుడు ఏమి నేర్చుకున్నాడు

సిమ్యులేషన్‌లో, ఆదేశించిన వేగాలను శిష్యుడు దాదాపు గురువు అంత బాగా అనుసరిస్తాడు. జ్ఞాపకశక్తి ముఖ్యం: ప్రస్తుత క్షణాన్ని మాత్రమే చూసే నియంత్రకంతో పోలిస్తే, చరిత్రను ఉపయోగించడం వేగ దోషాలను 23 శాతం తగ్గిస్తుంది. చేతులు కూడా ముఖ్యం: వాటిని స్తంభింపజేస్తే వేగ దోషాలు 52 శాతం పెరుగుతాయి. శిక్షణలో వాడిన 60 కిలోగ్రాముల గరిష్ట పరిమితిని మించి, 120 కిలోగ్రాముల వరకు భారాలతోనూ నియంత్రకం పనిచేస్తూనే ఉంటుంది.

ఆ తర్వాత అసలు పరీక్ష. ఎప్పుడూ తిరిగి సర్దుబాటు చేయని ఒకే ఒక నియంత్రకం, సీటులో కూర్చున్న రెండో G1 రోబోను (మొత్తం 60 కిలోలు), ఆ తర్వాత ఒక మనిషి ప్రయాణికుడిని (90 కిలోలు), ఆ తర్వాత ఇంకా బరువైన వ్యక్తిని లాగింది: 115 కిలోగ్రాములు, రోబో సొంత ద్రవ్యరాశికి సుమారు 3.15 రెట్లు. సెకనుకు 1, 1.5, 2 మీటర్ల వేగంతో, రిక్షా ప్రతిసారీ బయలుదేరింది, వేగాన్ని నిలుపుకుంది, ఆగింది. 115 కిలోల భారంతో సెకనుకు 2.6 మీటర్ల ప్రయాణాలను, అదనపు శిక్షణ తర్వాత 42 కిలోల తేలికైన భారంతో సెకనుకు 3.8 మీటర్ల ప్రయాణాలను కూడా పత్రం చూపిస్తుంది.

నడక కంటే తేలిక

అత్యంత ఊహించని ఫలితం శ్రమకు సంబంధించినది. కీళ్లు ఎంత గట్టిగా మెలితిరగాలో దాని ఆధారంగా రచయితలు ఒక సూచికను ఉపయోగిస్తారు. పరీక్షించిన భారం, వేగాల కలయికలలో చాలావాటిలో, ఏమీ లేకుండా నడవడం కంటే రిక్షా లాగడానికే రోబోకు తక్కువ శ్రమ అయింది — 120 కిలోలు, సెకనుకు 1.6 నుంచి 2 మీటర్ల వద్ద మాత్రమే అది నడకను మించింది. 70 కిలోల వద్ద, తుంటి కీళ్లు 33 శాతం, చీలమండలు 61 శాతం తక్కువ పని చేస్తాయి; మోకాళ్లు 126 శాతం ఎక్కువ పని చేస్తాయి, అయినా మొత్తం తక్కువగానే వస్తుంది. సిమ్యులేషన్‌లో, భారాన్ని 30 నుంచి 120 కిలోలకు నాలుగు రెట్లు చేసినా రవాణా యాంత్రిక వ్యయం 16.5 శాతం మాత్రమే పెరుగుతుంది.

వివరణలో ఒక భాగం ఏమిటంటే బండి సహాయకరంగా వెనక్కి నెడుతుంది. ప్రతి అడుగుతో, హ్యాండిల్స్ నుంచి వచ్చే పక్క బలం రోబో పక్కకు ఊగడాన్ని ఎదుర్కొంటుంది, బండి మెలితిప్పే ప్రతిచర్య దాని ఒరిగిపోవడాన్ని ఎదుర్కొంటుంది — దాని సమతుల్యతకు ఒక షాక్ అబ్జార్బర్ లాగా.

తదుపరి: హ్యాండిల్స్‌ను సొంతంగా పట్టుకోవడం

ఈ సామర్థ్య గణాంకాలు కీళ్ల టార్క్‌ల నుంచి లెక్కించిన సూచికలు, కొలిచిన విద్యుత్తు కాదు: రచయితలు తమ తదుపరి దశలలో నిజమైన శక్తి కొలతలను జాబితా చేశారు, దానితో పాటు రోబోకు హ్యాండిల్స్‌ను సొంతంగా పట్టుకోవడం, మళ్లీ పట్టుకోవడం, నేల స్వభావాన్ని బట్టి తన దారిని ఎంచుకోవడం నేర్పడం.