Aan de ETH Zürich hebben onderzoekers de functies van ANYmal, een vierpotige robot, uitgebreid. De robot is nu in staat om parkour te beoefenen en zich te begeven op complexe terreinen zoals bouwplaatsen en rampgebieden. ANYmal, die eerder al bekwaam was in het bewandelen van Zwitserse wandelpaden, is nu ook getraind in parkour, een atletische activiteit waarbij obstakels, typisch in stedelijke omgevingen, worden overwonnen.
Deze ontwikkeling werd geleid door twee teams onder supervisie van professor Marco Hutter van de Afdeling Werktuigbouwkunde en Procestechniek aan de ETH. Nikita Rudin, een promovendus aan de ETH en lid van een van deze teams, gebruikte zijn ervaring in parkour om de mechanische capaciteiten van ANYmal uit te breiden. Hij paste machine learning toe om de robot te leren over obstakels te klimmen en dynamische sprongen te maken. ANYmal’s leermethode omvatte trial-and-error, vergelijkbaar met menselijke leerpatronen. De robot gebruikt zijn camera en kunstmatig neurale netwerk om obstakels te beoordelen en kiest dan geschikte bewegingen uit zijn training.
Fabian Jenelten, eveneens promovendus aan de ETH, leidde het tweede team. Hun doel was om ANYmal voor te bereiden op gebruik in uitdagende omgevingen, zoals ongelijkmatige terreinen in rampgebieden. Deze aanpak combineerde machine learning met modelgebaseerde besturing, een standaardmethode in regeltechniek. Deze combinatie stelde ANYmal in staat om nauwkeurige manoeuvres uit te voeren in complex terrein, zoals het navigeren door puin. Machine learning helpt de robot zich aan te passen aan onverwachte situaties.
Dankzij deze verbeteringen is ANYmal stabieler geworden op gladde of oneffen oppervlakken. De robot kan ingezet worden op plekken zoals bouwplaatsen en rampgebieden voor taken zoals het inspecteren van beschadigde gebouwen, die potentieel gevaarlijk zijn voor mensen. Deze vooruitgang in de capaciteiten van ANYmal maakt deel uit van een bredere trend in de robotica, waarbij de integratie van nieuwe technologieën met bestaande methoden resulteert in robots die beter zijn uitgerust voor diverse en uitdagende omgevingen.
