CHIMP یکی از دشوارترین وظایف را انجام می دهد - تلاش برای اتصال شلنگ آتش نشانی به یک شیر آب
به میزبانی آژانس پروژه های تحقیقاتی پیشرفته دفاعی (DARPA) ، Robotics Challenge وعده ایجاد تحول در قابلیت های سیستم ها و نحوه طراحی آنها را می دهد. بیایید نگاهی به این رویداد بیندازیم و نظر تعدادی از بازیکنان اصلی را ارزیابی کنیم
در 11 مارس 2011 ، ژاپن با زمین لرزه ای قدرتمند و مرکز آن در فاصله 70 کیلومتری سواحل شرقی هونشو قرار گرفت. در نتیجه زلزله ای به بزرگی 9 ریشتر ، موج هایی ایجاد شد که ارتفاع آن به 40 متر می رسید و به طول 10 کیلومتر در داخل زمین پخش می شد.
نیروگاه هسته ای فوکوشیما I مانع سونامی ویرانگر شد.وقتی امواج غول پیکر به ایستگاه برخورد کردند ، راکتورها به طرز فاجعه باری از بین رفتند. این حادثه بدترین فاجعه هسته ای از زمان حادثه در نیروگاه هسته ای چرنوبیل در سال 1986 شد. این رویداد اساس سناریوی شاید یکی از مهمترین برنامه های رباتیک تا به امروز - DRC (DARPA Robotics Challenge - آزمایش های عملی سیستم های رباتیک تحت برنامه مدیریت توسعه و تحقیقات پیشرفته وزارت دفاع ایالات متحده) را تشکیل داد.
محاکمات DRC در آوریل 2012 اعلام شد و امدادرسانی به حوادث به عنوان سناریوی این آزمایشات انتخاب شد. توسعه سیستم های جدید باید در چارچوب این سناریو انجام می شد ، عمدتا به این دلیل که در 10 ماموریت اصلی وزارت دفاع ایالات متحده ، که توسط کاخ سفید و وزیر دفاع در ماه ژانویه مشخص شده بود ، گنجانده شد. 2012 در دسامبر 2013 ، در چارچوب این مسابقات ، مرحله مهمی سپری شد ، هنگامی که اولین آزمایش "در مقیاس کامل" برای اولین بار در فلوریدا انجام شد.
DRC ها از چند جهت ابتکاری متفاوت هستند ، آنها آزمایشات مجازی و میدانی را ترکیب می کنند و برای تیم های با بودجه و بدون بودجه باز هستند. این رویداد شامل چهار قسمت یا آهنگ است. دارپا از دو آهنگ Track A و Track B حمایت مالی کرد و این مسابقات را برای همه تازه واردان باز کرد.
از چهار آهنگ ، دو آهنگ (آهنگ A و Track B) بودجه دریافت کردند. به دنبال یک اطلاعیه عمومی و ارسال برنامه ، DARPA هفت تیم را برای Track A برای توسعه سخت افزار و نرم افزار جدید انتخاب کرد. در مسیر B ، 11 تیم تنها نرم افزار را توسعه دادند.
آهنگ C تأمین نمی شود و برای اعضای جدید از سراسر جهان باز است. مانند شرکت کنندگان در آهنگ B ، شرکت کنندگان آن در درجه اول از یک برنامه شبیه سازی روبات مجازی برای آزمایش نرم افزار خود استفاده کردند. Track D برای مشارکت کنندگان خارجی که مایل به توسعه سخت افزار و نرم افزار هستند در نظر گرفته شده است ، اما در هیچ مرحله ای بدون بودجه DARPA.
کلید رویکرد نوآورانه DRC جزء VRC (چالش روباتیک مجازی) است. تیم های برتر - اعم از Track B یا C - از DARPA و همچنین ربات اطلس از Boston Dynamics کمک مالی دریافت خواهند کرد و با آنها در آزمایشات میدانی شرکت خواهند کرد.
در ماه مه 2013 ، تیم های مسیر B و Track C برای واجد شرایط بودن برای VRC ، که ماه بعد برگزار شد ، درخواست کردند. از بین بیش از 100 تیم ثبت شده ، تنها 26 تیم به VRC حرکت کردند و تنها 7 تیم به آزمایشات در مقیاس کامل نزدیک شدند.
VRC ها در یک فضای مجازی بسیار دقیق با مجوز تحت Apache 2 از بنیاد منبع باز انجام شد. تیم ها وظیفه داشتند سه مورد از هشت وظیفه ای را که در اولین آزمایشات میدانی برای روبات های واقعی مشخص شده بود ، انجام دهند.
آزمایش کردن
در حالی که روبات های نشان داده شده در VRC چشمگیر بودند ، نحوه رفتار آنها در آزمایشات میدانی 100٪ مطمئن نبود. با این حال ، جیل پرت ، مدیر برنامه مسابقات DRC ، گفت که از توانایی های آنها بسیار خوشحال است. "ما انتظار داشتیم از آنجا که این اولین قسمت فیزیکی آزمایش بود ، می توانیم خرابی های سخت افزاری زیادی را ببینیم ، اما در واقع اینطور نبود ، همه سخت افزارها بسیار قابل اعتماد بودند. چند تیم اول ، به ویژه سه تیم اول ، موفق شدند بیش از نیمی از امتیازات را بدست آورند و حتی زمانی که عمداً در کانال ارتباطی مداخله کردیم ، پیشرفت قابل توجهی کردند."
پرات همچنین تحت تأثیر قابلیت های ربات اطلس قرار گرفت ، "این واقعا از انتظارات ما فراتر رفت … بوستون داینامیکس کار مثال زدنی را انجام داده است تا اطمینان حاصل شود که هیچ یک از تیم ها از هر نوع خرابی سخت افزاری آسیب نمی بینند."
با این حال ، هنوز جایی برای بهبود وجود دارد ، مانند بازوهای دستکاری کننده با فضای کار محدود و نشتی از سیستم هیدرولیک ربات. روند نوسازی حتی قبل از رویداد در دسامبر 2013 آغاز شد. پرات گفت که او همچنین مایل است تعداد ابزارهای مختلف را در فینال افزایش دهد و روبات ها به احتمال زیاد دارای یک کمربند با ابزارهایی هستند که از آنها باید ابزارهای لازم را انتخاب کرده و در طول اجرای فیلمنامه تغییر دهند.
همچنین داگ استفن ، محقق و مهندس نرم افزار در موسسه فلوریدا در زمینه توانایی های شناختی انسان و ماشین ، از ربات اطلس تقدیر کرد که تیمش در آزمایش B به صورت دوم در مسیر B در رده دوم قرار گرفت. "این یک ربات فوق العاده است … ما 200 ساعت زمان تمیز با آن در دو یا سه ماه کار کرده ایم و این برای یک سکوی آزمایشی بسیار غیرمعمول است - توانایی کار مداوم و شکستن."
به معنای واقعی کلمه تلاش های قهرمانانه در پشت قابلیت های روباتیک چشمگیر DRC وجود دارد. وظایف به گونه ای طراحی شده اند که سخت افزار و نرم افزار توسعه یافته توسط تیم ها را به چالش بکشد.
در حالی که وظایف دشواری بود ، پرات فکر نمی کند که دارپا سطح کار را خیلی بالا ببرد و خاطر نشان کرد که هر کار حداقل توسط یکی از تیم ها انجام شده است. رانندگی و پیوستن به آستین ها سخت ترین کارها بود. به گفته استفان ، اولین مورد سخت ترین بود: "من قطعاً می گویم - کار رانندگی با ماشین ، و نه حتی به دلیل رانندگی خود. اگر می خواهید رانندگی کاملاً مستقل داشته باشید ، که بسیار دشوار است ، همیشه یک اپراتور ربات دارید. رانندگی چندان دشوار نبود ، اما پیاده شدن از ماشین بسیار دشوارتر از تصور مردم است. مثل حل یک معمای بزرگ سه بعدی است."
مطابق با قالب نهایی DRC ، که قرار است در دسامبر 2014 انجام شود ، همه وظایف در یک سناریوی پیوسته ترکیب می شوند. همه اینها به منظور معتبرتر شدن و انتخاب راهبردی تیم ها در مورد نحوه اجرای آن است. مشکل نیز افزایش می یابد و پرات می افزاید: "چالش ما برای تیم هایی که در Homestead عالی عمل کرده اند این است که کار را سخت تر کنند. ما قصد داریم کابل های متصل را برداریم ، کابل های ارتباطی را برداشته و آنها را با یک کانال بی سیم جایگزین کنیم ، در حالی که کیفیت اتصال را پایین می آوریم به طوری که حتی از تست های قبلی بدتر است."
"برنامه من در حال حاضر این است که ارتباط را متناوب کنم ، گاهی اوقات باید کاملاً از بین برود ، و من معتقدم که این باید به صورت تصادفی انجام شود ، همانطور که در بلایای واقعی اتفاق می افتد. بیایید ببینیم روبات ها چه کاری می توانند انجام دهند ، چند ثانیه یا شاید تا یک دقیقه کار می کنند ، سعی می کنند برخی از وظایف فرعی را به تنهایی انجام دهند ، حتی اگر کاملاً از کنترل اپراتور جدا نشده باشند و فکر می کنم بسیار جالب خواهد بود. منظره."
پرات گفت که سیستم های ایمنی نیز در مرحله نهایی حذف خواهند شد. "این بدان معناست که ربات باید سقوط را تحمل کند ، همچنین به این معنی است که باید خود به خود صعود کند و در واقع بسیار دشوار خواهد بود."
ربات شفت آوار را از مسیر خود حذف می کند
چالش ها و استراتژی ها
از بین هشت تیم در طول آزمایش ، پنج تیم از روبات ATLAS استفاده کردند ، با این حال ، شرکت کنندگان در مسیر A - برنده تیم شفت و سومین برنده تیم نجات تیم تارتان - از پیشرفت های خود استفاده کردند. در اصل از مرکز ملی مهندسی روباتیک دانشگاه کارنگی ملون (CMU) ، Tartan Rescue پلت فرم موبایل بسیار هوشمند CMU (CHIMP) را برای آزمایش DRC توسعه داده است. تونی استنتز از Tartan Rescue منطق تیم برای توسعه سیستم خود را توضیح داد: "شاید استفاده از یک روبات انسان نما بدون ایمنی بیشتر باشد ، اما ما می دانستیم که می توانیم طراحی بهتری برای واکنش در برابر حوادث ایجاد کنیم."
وی گفت: ما می دانستیم که باید چیزی تقریباً انسانی ایجاد کنیم ، اما ما دوست نداریم که روبات های انسان نما در حین حرکت به حفظ تعادل بپردازند. وقتی روبات های دوپا حرکت می کنند ، باید تعادل خود را حفظ کنند تا زمین نخورند ، و این در سطحی صاف کاملاً دشوار است ، اما وقتی از حرکت در میان آوارهای ساختمانی و قدم گذاشتن بر روی اجسام قابل حرکت صحبت می کنید ، این کار بسیار دشوارتر می شود. بنابراین ، CHIMP از نظر آماری پایدار است ، روی یک پایه نسبتاً گسترده قرار دارد و در حالت عمودی بر روی یک جفت آهنگ در پای خود می غلتد ، بنابراین می تواند عقب و جلو برود و در جای خود بچرخد. می توان آن را به آسانی طوری قرار داد که دستان خود را دراز کند تا بتواند همه چیز مورد نیاز خود را هنگام انجام وظیفه حمل کند. هنگامی که او نیاز به حرکت در زمین های دشوارتر دارد ، می تواند روی هر چهار اندام بیافتد ، زیرا در دستان او پروانه های کرم نیز وجود دارد.
ناگزیر ، تیم هایی از مسیرهای مختلف در آماده سازی برای آزمایش ها با چالش های متفاوتی روبرو شدند ، موسسه توانایی های شناختی انسان و ماشین بر توسعه نرم افزار تمرکز کرد ، زیرا این مشکل ترین مشکل است - گذار از VRC به مشکلات میدانی. استفان گفت: "هنگامی که ربات اطلس به ما تحویل داده شد ، دو حالت داشت که می توانید از آنها استفاده کنید. مورد اول مجموعه ای ساده از حرکات ارائه شده توسط Boston Dynamics است که می توانید برای حرکت استفاده کنید و کمی توسعه نیافته است. مشخص شد که اکثر تیم ها از این حالت های داخلی Boston Dynamics در مسابقات Homestead استفاده کردند ، تعداد کمی از تیم ها نرم افزار کنترل ربات خود را نوشتند و هیچ کس نرم افزار خود را برای کل ربات ننوشت …"
"ما نرم افزار خود را از ابتدا نوشتیم و یک کنترل کننده کل بدن بود ، یعنی یک کنترل کننده بود که در همه وظایف کار می کرد ، ما هرگز به برنامه های دیگر یا کنترلر دیگری تغییر نکردیم … بنابراین ، یکی از سخت ترین کارها قرار بود کد برنامه ایجاد شود و روی اطلس اجرا شود زیرا وقتی Boston Dynamics آن را به ما ارائه کرد ، یک جعبه سیاه بود ، اما این ربات و IP آنها است ، بنابراین ما واقعاً دسترسی سطح پایینی به رایانه داخلی نداریم. نرم افزار بر روی یک رایانه خارجی اجرا می شود و سپس با استفاده از یک API (رابط برنامه نویسی برنامه) روی فیبر با یک رایانه داخلی ارتباط برقرار می کند ، بنابراین تأخیرها و مشکلات زیادی در همگام سازی وجود دارد و کنترل چنین سیستم پیچیده ای مانند اطلس بسیار دشوار می شود."
در حالی که نوشتن کد خود از ابتدا مطمئناً برای موسسه توانایی های شناختی انسان و ماشین دشوارتر و زمان بر بود ، استفان معتقد است که این روش سودآورتر است ، زیرا هنگام بروز مشکلات ، می توان آنها را سریعتر از اتکا به Boston Dynamics حل کرد. علاوه بر این ، نرم افزار همراه اطلس به اندازه نرم افزاری که Boston Dynamics در نسخه های نمایشی خود از آن استفاده می کند ، پیشرفته نبود. روبات به Youtube. کار بر روی نرم افزار این شرکت این یک نسخه کمتر پیشرفته است … این برای آموزش ربات کافی است.من نمی دانم که آیا آنها قرار است کد را به دستورات مورد استفاده بدهند یا نه ، فکر نمی کنم آنها انتظار داشتند که هر کس نرم افزار خود را بنویسد. به این معنا که آنچه همراه با ربات تحویل داده شد از همان ابتدا امکان پذیر بود و قصد انجام هر هشت وظیفه در آزمایش های عملی DRC را نداشت."
بزرگترین چالش برای تیم نجات Tartan برنامه فشرده ای بود که هنگام توسعه پلتفرم جدید و نرم افزارهای مرتبط باید رعایت می کردند. "پانزده ماه پیش ، CHIMP فقط یک مفهوم بود ، یک نقاشی روی کاغذ ، بنابراین ما مجبور شدیم قطعات را طراحی کنیم ، اجزاء را بسازیم ، همه را کنار هم قرار دهیم و همه را آزمایش کنیم. ما می دانستیم که بیشتر وقت ما را می گیرد ، نمی توانیم منتظر بمانیم و شروع به نوشتن نرم افزار کنیم تا ربات آماده شود ، بنابراین ما به طور موازی توسعه نرم افزار را شروع کردیم. ما در واقع یک ربات کامل برای کار نداشتیم ، بنابراین در حین توسعه از شبیه سازها و جایگزین های سخت افزاری استفاده کردیم. به عنوان مثال ، ما یک بازوی دستکاری جداگانه داشتیم که می توانستیم از آن برای بررسی برخی موارد برای یک اندام استفاده کنیم."
استنتز با اشاره به عوارضی که بر تخریب کانال های انتقال داده می افزاید ، خاطرنشان کرد که این تصمیم از ابتدا به طور خاص برای چنین شرایطی گرفته شده است و این مشکل چندان دشواری نیست. ما سنسورهایی داریم که روی سر این ربات نصب شده اند-فاصله یاب های لیزری و دوربین ها-که به ما امکان می دهد نقشه بافت سه بعدی و مدل کامل محیط روبات را بسازیم. این همان چیزی است که ما از طرف اپراتور برای کنترل ربات استفاده می کنیم و بسته به باند فرکانسی موجود و کانال ارتباطی می توانیم این وضع را در وضوح های مختلف تصور کنیم. ما می توانیم توجه خود را متمرکز کنیم و وضوح بالاتری را در برخی زمینه ها و وضوح پایین تری را در سایر زمینه ها بدست آوریم. ما این قابلیت را داریم که ربات را از راه دور به طور مستقیم کنترل کنیم ، اما هنگام تعیین اهداف برای ربات ، سطح کنترل بالاتری را ترجیح می دهیم و این حالت کنترل در برابر از دست دادن سیگنال و تاخیرها مقاوم تر است."
ربات شفت در را باز می کند. بهبود قابلیت های جابجایی روباتیک برای سیستم های آینده ضروری خواهد بود
مراحل بعدی
استنتز و استفن گفتند که تیم های آنها در حال حاضر توانایی های خود را در آزمایشات واقعی ارزیابی می کنند تا ارزیابی کنند که چه اقداماتی برای پیشرفت باید انجام شود و منتظر بررسی DARPA و اطلاعات بیشتر در مورد آنچه در فینال خواهد بود ، هستند. استفان گفت که آنها همچنین منتظر دریافت برخی تغییرات برای اطلس هستند و به یکی از الزامات قبلاً تایید شده برای فینال - استفاده از منبع تغذیه داخلی - اشاره کردند. برای CHIMP ، این یک مشکل نیست ، زیرا ربات دارای درایوهای برقی می تواند باتری های خود را حمل کند.
استنتز و استفان توافق کردند که تعدادی از چالش ها وجود دارد که باید در توسعه فضای سیستم های روباتیک و ایجاد انواع پلت فرم که می تواند در سناریوهای امدادرسانی بلایا استفاده شود ، برطرف شود. "من می گویم هیچ چیز در جهان وجود ندارد که بتواند چاره ساز باشد. از نظر سخت افزاری ، من معتقدم که ماشین هایی با قابلیت دستکاری انعطاف پذیرتر می توانند مفید باشند. در مورد نرم افزار ، من معتقدم که روبات ها به سطح بالاتری از خودمختاری نیاز دارند تا بتوانند بدون کانال ارتباطی در عملیات از راه دور عملکرد بهتری داشته باشند. آنها می توانند کارهای خود را سریعتر انجام دهند زیرا خودشان کارهای زیادی انجام می دهند و در واحد زمان تصمیمات بیشتری می گیرند. من فکر می کنم خبر خوب این است که مسابقات دارپا واقعاً برای ارتقاء سخت افزار و نرم افزار طراحی شده است."
استفان معتقد است که بهبود فرایندهای توسعه فناوری نیز مورد نیاز است. "به عنوان یک برنامه نویس ، من راه های زیادی برای بهبود نرم افزار می بینم و همچنین فرصت های زیادی را برای بهبود در کار با این ماشین ها می بینم.بسیاری از موارد جالب در آزمایشگاه ها و دانشگاه ها اتفاق می افتد که ممکن است فرهنگ قوی از این روند وجود نداشته باشد ، بنابراین گاهی اوقات کار به طور تصادفی پیش می رود. همچنین ، با مشاهده پروژه های واقعاً جالب در آزمایشات DRC ، متوجه می شوید که فضای زیادی برای پیشرفت سخت افزاری و نوآوری وجود دارد."
استفان خاطرنشان کرد که اطلس نمونه بارزی از آنچه می توان به آن دست یافت - یک سیستم قابل اجرا در زمان کوتاه است.
اما از نظر پرات ، مشکل بیشتر مشخص شده است و او معتقد است که بهبود نرم افزار باید در وهله اول باشد. "نکته ای که من سعی می کنم به آن برسم این است که بخش عمده ای از نرم افزار بین گوش ها قرار دارد. منظورم این است که در مغز اپراتور چه می گذرد ، در مغز ربات چه می گذرد و چگونه این دو با یکدیگر توافق دارند. ما می خواهیم بر سخت افزار روبات تمرکز کنیم و هنوز با آن مشکل داریم ، به عنوان مثال ، ما با هزینه های تولید ، بهره وری انرژی مشکل داریم … بدون شک سخت ترین قسمت نرم افزار است. و این کد برنامه نویسی برای رابط انسان و ربات است و کد برنامه نویسی برای خود روبات ها که وظیفه خود را به تنهایی انجام دهند ، که شامل ادراک و آگاهی از موقعیت ، آگاهی از آنچه در جهان اتفاق می افتد و انتخاب بر اساس آنچه که ربات انجام می دهد. درک می کند."
پرات معتقد است یافتن برنامه های کاربردی ربات های تجاری کلید توسعه سیستم های پیشرفته و پیشبرد صنعت است. "من فکر می کنم ما واقعاً به برنامه های تجاری فراتر از مدیریت بلایا و دفاع عمومی نیاز داریم. حقیقت این است که بازارها ، دفاعی ، واکنش اضطراری و امداد رسانی در برابر بلایا در مقایسه با بازار تجاری بسیار کوچک هستند."
"ما دوست داریم در دارپا در این مورد زیاد صحبت کنیم و از تلفن های همراه به عنوان مثال استفاده کنیم. دارپا بسیاری از پیشرفت هایی را که منجر به استفاده از فناوری در تلفن های همراه شده بود تأمین کرده است. بازار بزرگ تجاری که امکان دستیابی باورنکردنی به تلفن های همراه را فراهم کرده است …"
"در زمینه رباتیک ، نظر ما این است که ما دقیقاً به این دنباله رویدادها نیاز داریم. ما باید ببینیم دنیای تجاری برنامه هایی را خریداری می کند که قیمت ها را کاهش می دهد و سپس می توانیم سیستم هایی را به طور خاص برای ارتش ایجاد کنیم که در آن سرمایه گذاری های تجاری انجام خواهد شد."
هشت تیم اول در آزمایشات دسامبر 2014 شرکت خواهند کرد - Team Schaft ، IHMC Robotics ، Tartan Rescue ، Team MIT ، Robosimian ، Team TRAClabs ، WRECS و Team Trooper. هر یک برای بهبود راه حل های خود 1 میلیون دلار دریافت می کنند و در نهایت ، تیم برنده 2 میلیون دلار جایزه دریافت می کند ، اگرچه برای اکثر افراد ، تشخیص بسیار بیشتر از پول است.
Robosimian از آزمایشگاه پیشرانش جت ناسا دارای طراحی غیر معمول است
عنصر مجازی
گنجاندن دو آهنگ توسط دارپا در آزمایشات DRC ، که فقط تیم های توسعه دهنده نرم افزار در آن شرکت می کنند ، از تمایل مدیریت برای بازکردن برنامه ها به گسترده ترین حلقه ممکن از شرکت کنندگان خبر می دهد. پیش از این ، چنین برنامه های توسعه فناوری از اختیار شرکت های دفاعی و آزمایشگاه های تحقیقاتی بود. با این حال ، ایجاد یک فضای مجازی که در آن هر تیم بتواند نرم افزار خود را آزمایش کند ، به رقبایی که تجربه کمی در توسعه نرم افزار روبات ها داشتند یا نداشتند اجازه داد تا در سطح یکسانی با شرکت های معروف در این زمینه رقابت کنند. DARPA همچنین فضای شبیه سازی شده را میراثی طولانی مدت از آزمایش DRC می داند.
در سال 2012 ، دارپا مأموریت ایجاد منبع باز برای ایجاد یک فضای مجازی برای چالش را بر عهده گرفت و این سازمان به دنبال ایجاد یک مدل باز با استفاده از نرم افزار Gazebo شد. Gazebo قادر به شبیه سازی روبات ها ، حسگرها و اشیاء در دنیای سه بعدی است و برای ارائه داده های واقعی حسگر و آنچه که "تعاملات فیزیکی قابل قبول" بین اشیا توصیف می شود طراحی شده است.
برایان گورکی ، رئیس بنیاد منبع باز گفت که از Gazebo به دلیل قابلیت های اثبات شده استفاده می شود. "این بسته به طور گسترده ای در جامعه رباتیک استفاده می شود ، به همین دلیل DARPA می خواست روی آن شرط بندی کند ، زیرا ما مزایای آن را در کارهایی که انجام می دهیم مشاهده کردیم. ما می توانیم جامعه ای از توسعه دهندگان و کاربران را در اطراف آن ایجاد کنیم."
در حالی که Gazebo قبلاً یک سیستم شناخته شده بود ، گورکی خاطرنشان کرد که در حالی که هنوز جایی برای تلاش وجود دارد ، باید گام هایی برای برآوردن الزامات مشخص شده توسط DARPA برداشته شود. "ما برای مدل سازی روبات های پیاده روی بسیار کم کار کرده ایم ، ما عمدتا بر روی سکوهای چرخ دار تمرکز کرده ایم و برخی از جنبه های مدل سازی روبات های پیاده روی وجود دارد که کاملاً متفاوت است. شما باید در مورد نحوه ایجاد وضوح تماس و نحوه مدل سازی روبات بسیار مراقب باشید. به این ترتیب ، می توانید پارامترهای خوبی را در ازای دقت بدست آورید. تلاش زیادی برای شبیه سازی دقیق فیزیک ربات انجام شده است ، بنابراین شما می توانید شبیه سازی های با کیفیت خوب را دریافت کنید و همچنین ربات را تقریباً در زمان واقعی کار کنید ، در مقایسه با کار در یک دهم یا یک صدم زمان واقعی ، که به احتمال زیاد ، اگر نه تمام تلاش شما برای این کار."
یک ربات اطلس شبیه سازی شده در مرحله رقابت مجازی DRC سوار ماشین می شود
در مورد شبیه سازی ربات اطلس برای فضای مجازی ، گورکی گفت که بنیاد باید با یک مجموعه داده اولیه شروع کند. "ما با یک مدل ارائه شده توسط Boston Dynamics شروع کردیم ، ما با مدلهای CAD دقیق شروع نکردیم ، ما یک مدل سینماتیکی ساده داشتیم که در اختیار ما قرار گرفت. اساساً یک فایل متنی است که می گوید طول این پا چقدر است ، چقدر بزرگ است و غیره. چالشی که برای ما وجود داشت این بود که این مدل را به درستی و به طور دقیق تنظیم کنیم تا بتوانیم در ازای دقت ، در عملکرد سازش ایجاد کنیم. اگر از آن به روشی ساده استفاده می کنید ، می توانید برخی از نادرستی ها را در موتور فیزیک زیر بنویسید ، که در شرایط خاص آن را ناپایدار می کند. بنابراین ، کار زیادی بر روی تغییر مدل است و در مواردی کد خود را برای شبیه سازی قسمت های خاصی از سیستم بنویسید. این فقط شبیه سازی فیزیک ساده نیست ، سطحی وجود دارد که قرار نیست از آن پایین برویم."
پرات در مورد آنچه با VRC و فضای شبیه سازی شده به دست آمده بسیار مثبت است. "ما کاری انجام دادیم که قبلاً اتفاق نیفتاده بود ، یک شبیه سازی واقعی فرآیند را از نظر فیزیکی ایجاد کردیم که می تواند در زمان واقعی اجرا شود تا اپراتور بتواند کارهای تعاملی خود را انجام دهد. شما واقعاً به این نیاز دارید ، زیرا ما در مورد یک شخص و یک روبات به عنوان یک تیم صحبت می کنیم ، بنابراین شبیه سازی یک ربات باید در یک بازه زمانی مشابه با یک فرد کار کند ، یعنی در زمان واقعی. در اینجا ، به نوبه خود ، سازگاری بین دقت مدل و پایداری آن لازم است … من معتقدم که ما در رقابت مجازی به موفقیت های زیادی دست یافته ایم."
استفان توضیح داد که موسسه IHMC برای توانایی های شناختی انسان و ماشین با چالش های متفاوتی در توسعه نرم افزار روبرو است. "ما از محیط شبیه سازی خود استفاده کردیم ، که با Gazebo به عنوان بخشی از یک مسابقه مجازی ادغام شدیم ، اما بسیاری از توسعه ما در بستر ما به نام مجموعه شبیه سازی ساخت و ساز انجام می شود … ما هنگام راه اندازی یک ربات واقعی از نرم افزار خود استفاده کردیم ، ما مدل سازی زیادی انجام دادیم و این یکی از سنگ بناهای ما است ، ما منتظر تجربه های خوب توسعه نرم افزار هستیم."
استفان گفت زبان برنامه نویسی جاوا در IHMC ترجیح داده می شود زیرا دارای "جعبه ابزار واقعاً چشمگیری است که در اطراف آن رشد کرده است". وی خاطرنشان کرد که هنگام ترکیب Gazebo و نرم افزار خود ، "مشکل اصلی این است که ما نرم افزار خود را در جاوا می نویسیم و اکثر نرم افزارهای روبات ها از C یا C ++ استفاده می کنند ، که برای سیستم های جاسازی شده بسیار خوب است. اما ما می خواهیم در جاوا آنطور که می خواهیم کار کنیم - کد خود را در یک بازه زمانی مشخص کار کنیم ، زیرا در C یا C ++ پیاده سازی شده است ، اما هیچ کس دیگری از آن استفاده نمی کند. این مشکل است که همه برنامه های Gazebo با کد جاوا کار کنند."
دارپا و بنیاد منبع باز به توسعه و بهبود شبیه سازی و فضای مجازی ادامه می دهند. "ما شروع به پیاده سازی عناصری می کنیم که شبیه ساز را در محیطی متفاوت ، خارج از محل نجات ، مفیدتر می کند. به عنوان مثال ، ما نرم افزاری را که در مسابقه استفاده کردیم (به نام CloudSim زیرا در محیط محاسبات ابری شبیه سازی می شود) در نظر می گیریم و آن را به قصد اجرا روی سرورهای ابری توسعه می دهیم."
یکی از مزایای اصلی باز کردن یک محیط شبیه سازی شده برای استفاده عمومی و کار با آن در ابر این است که محاسبات سطح بالا را می توان با سیستم های قدرتمندتر روی سرورها انجام داد ، در نتیجه به مردم اجازه می دهد از رایانه های سبک خود و حتی نت بوک ها و رایانه های لوحی استفاده کنند. برای کار در محل کار خود گورکی همچنین معتقد است که این روش برای آموزش و همچنین طراحی و توسعه محصول بسیار مفید خواهد بود. "شما می توانید از هر نقطه در جهان به این محیط شبیه سازی دسترسی داشته باشید و ربات جدید خود را در آن امتحان کنید."
