DIY по-новому. Сингапурская компания представила набор для создания гуманоидного робота за $15 тысяч
Сингапурская компания Menlo Research представила набор для самостоятельной сборки человекоподобного робота Asimov за примерно 15 тысяч долларов. Разработка ориентирована на исследователей, энтузиастов робототехники и независимых разработчиков.
Об этом пишет издание Interesting Engineering.
Сингапурская компания Menlo Research представила DIY-версию своего человекоподобного робота Asimov с открытым кодом. Набор предназначен для людей, которые хотят самостоятельно собрать двуногого робота и экспериментировать с робототехникой.
Стоимость комплекта составляет около 15 тысяч долларов, что почти соответствует себестоимости компонентов. Разработчики заявляют, что хотят сделать гуманоидную робототехнику более доступной для более широкого круга пользователей.
Робот имеет рост 1,2 метра и весит примерно 35 килограммов. Конструкция поддерживает более 25 степеней свободы движения. Комплект поставляется полностью разобранным, а пользователям предоставляют инструкции и видео по сборке.
Одной из главных особенностей стала модульная конструкция. Ноги, руки, туловище и голова соединяются через универсальные крепления двигателей. Благодаря этому отдельные части можно менять или модернизировать без переделки всего робота.
В конструкции также использовали специальный механизм голеностопного сустава, который обеспечивает движения вперед-назад и в стороны. Это помогает роботу лучше передвигаться по неровной поверхности и удерживать баланс во время ходьбы.
Для упрощения управления разработчики отказались от отдельных моторов в пальцах стопы. Вместо этого робот использует пассивные подвижные элементы, которые помогают во время шага и уменьшают сложность системы.
Большинство деталей созданы с учетом 3D-печати по технологии Multi Jet Fusion. Это позволяет изготавливать легкие и прочные компоненты без дорогостоящего промышленного оборудования.
Программная система Asimov построена на моделировании условий, максимально приближенных к реальным. Во время тренировки искусственно добавляют задержки сигнала и шум в данных датчиков, чтобы робот научился работать в нестабильных условиях.
Для обучения используется система подкрепляющего обучения Asymmetric Actor-Critic. Одна часть алгоритма анализирует точные данные симуляции, а другая работает только с неточными сигналами, подобными тем, которые робот получает в реальном мире.
Благодаря такому подходу робот может ходить вперед и назад, а также восстанавливать равновесие после толчков без дополнительной настройки после переноса с симуляции на реальное оборудование.
Разработчики также опубликовали полный список компонентов на GitHub. Это позволяет пользователям самостоятельно искать детали и потенциально уменьшить стоимость сборки робота.
