Le benchmark Barkour mesure l'agilité d'un robot quadrupède

Le benchmark Barkour mesure l’agilité d’un robot quadrupède

Vue d’ensemble de la configuration du parcours d’obstacles de référence de Barkour, qui se compose de poteaux de tissage, d’un cadre en A, d’un saut en longueur et de tables de pause. Le mécanisme de notation intuitif, inspiré des compétitions d’agilité canine, équilibre vitesse, agilité et performance et peut être facilement modifié pour incorporer d’autres types d’obstacles ou de configurations de parcours. Crédit : Google

Le rythme accéléré du développement de la robotique nous a donné un véritable zoo rempli de créatures parfois impossibles à distinguer de la vraie affaire.

Nous avons RoboFish, Bionic Kangaroo, Robot Snake et même RoboTuna, Bionic Ants et RoboSalamander.

Cependant, les créations quadrupèdes intéressent particulièrement les développeurs. Ils offrent des opportunités inestimables pour étudier la locomotion, la stabilité et la robustesse sur des terrains variés qui aideront à développer des solutions robotiques pour la réponse aux catastrophes, le traitement médical, la surveillance et la surveillance de l’environnement.

Spot, de Boston Dynamics, par exemple, a fait la une des journaux en tant qu’outil d’application de la loi à Honolulu, un moniteur à Singapour appliquant la distanciation sociale pendant la pandémie de COVID-19, une sentinelle à caméra thermique à l’aéroport de Haneda à Tokyo et une aide sur les chantiers de construction au Danemark.

Il y a d’autres bêtes à quatre pattes dans cette race : AIbo, ANYmal, WildCat et Hyq.

L’un des défis auxquels sont confrontés les chercheurs et les clients potentiels des robots quadrupèdes est de savoir comment mesurer les différences de capacités d’une ménagerie croissante de créatures basées sur l’IA.

Après tout, il existe des tests pour apparemment tout ce qui est numérique : Dhrystone mesure les performances des opérations sur les nombres entiers sur un processeur ; N-Body Simulation vérifie les performances de simulation du mouvement des particules dans un champ gravitationnel ; Whetstone est utilisé pour les performances en virgule flottante sur un processeur; Pro Agility Shuttle pour la rapidité latérale et le changement de direction ; et T-Test pour le shuffling, le sprint et le rétropédalage. Des dizaines de tests supplémentaires évaluent d’innombrables autres attributs des machines numériques.

Les chercheurs de Google disent qu’il est temps de se concentrer sur un outil de mesure du son spécifiquement pour l’agilité robotique.

« [W] »Bien que les chercheurs aient permis aux robots de marcher ou de sauter par-dessus certains obstacles, il n’existe toujours pas de référence généralement acceptée qui mesure de manière exhaustive l’agilité ou la mobilité des robots », a rapporté l’équipe Google DeepMind dans un article publié sur le serveur de préimpression. arXiv la semaine dernière. « En revanche, les références sont les moteurs du développement de l’apprentissage automatique, comme ImageNet pour la vision par ordinateur et OpenAI Gym pour l’apprentissage par renforcement. »

Les chercheurs de Google ont conçu un parcours d’obstacles qui comprend des poteaux de tissage, des cadres en A et un tremplin. Un système de notation récompense les tâches accomplies avec succès dans un délai spécifié, pénalisant les participants qui échouent ou sautent des défis. Le projet s’appelle Barkour.

« Il est essentiel d’établir des métriques qui peuvent mesurer avec précision l’agilité des robots et de définir un ensemble standard de tâches qui peuvent servir de cadre d’évaluation commun », a déclaré l’équipe dans son article, « Barkour : Benchmarking Animal-level Agility with Quadruped Robots.  »

Le cours a d’abord été testé sur de vrais chiens – des « dooglers », dans ce cas, qui étaient des animaux de compagnie appartenant à des membres du personnel de Google.

L’équipe a ensuite formé des robots quadrupèdes pour naviguer sur les différents terrains tout en répondant efficacement aux exigences d’équilibre et de vitesse. Les défis comprenaient la marche, l’escalade et le saut.

Alors que l’équipe a réalisé un ensemble de mesures pratiques pour tester l’agilité, ils ont rapporté que des chiens vivants non entraînés étaient capables de s’attaquer avec succès à la course d’obstacles en environ la moitié du temps qu’il fallait à leur robot quadrupède construit sur mesure pour le faire.

« Il y a encore un grand écart d’agilité entre les robots et leurs homologues animaux », a reconnu l’équipe. « Il y a encore beaucoup de place pour pousser vers l’agilité au niveau du chien en améliorant la vitesse et la robustesse. »

Mais ils ont soutenu que « Barkour servira à la communauté robotique de banc d’essai important pour différentes méthodes d’apprentissage et de contrôle et différentes conceptions matérielles » à l’avenir.