BRACE يعلّم الروبوت البشري Unitree G1 تطبيق القوة والوقوف على منحدر دون خريطة ارتفاعات

قدّم فريق من الباحثين BRACE، وهو متتبّع لحركات الجسم بالكامل مخصص للروبوت البشري Unitree G1. يستطيع الروبوت تطبيق قوة محددة بذراعيه، وتعويض حمل خارجي، والوقوف على منحدر. ويكفي المشغّل أن يرسل مسارًا عاديًا مسجّلًا على أرضية مستوية ودون حمل، فيأخذ الروبوت بنفسه في الحسبان ميل السطح ووزن الجسم المحمول. ولا تتضمن حلقة التحكم خريطة ارتفاعات ولا مستشعر قوة، بل الحس العميق (proprioception) فقط. نُشر العمل في Hugging Face Daily Papers. أُجريت التجارب في المحاكاة وعلى روبوت حقيقي.

المشكلة: المرجع مسجّل في عالم مثالي

أصبح تتبّع حركة الجسم بالكامل (whole-body tracking) الأسلوب الرئيسي للتحكم في الروبوتات البشرية. يتحرك المشغّل ويكرر الروبوت حركته. لكن حركات المرجع تُسجَّل عادةً على سطح مستوٍ واليدان فارغتان. والمتتبّع الذي يستهلكها لا يعرف شيئًا عن قوى التفاعل مع الأجسام، ولا عن ميل نقطة الارتكاز.

والمتحكمات الحالية تعالج جانبًا واحدًا فقط من المهمة. فسياسات التحكم بالقوة تحدد الجهد عند المنفّذ الطرفي، لكنها لا تفرض وضعية الجسم كاملًا. أما المتتبّعات المتكيّفة مع التضاريس فتعامل الحمل على أنه اضطراب ينبغي كبحه، لا على أنه wrench يمكن التحكم فيه. والنتيجة أن الروبوت إما يستطيع الضغط على جسم، وإما يستطيع ألا يسقط على منحدر، ولا يستطيع الجمع بين الأمرين.

كيف يعمل BRACE

لا يُلزم المؤلفون المتتبّع بامتصاص الحمل والميل بنفسه، بل يعيدون كتابة المرجع الذي يتبعه. ولهذا آليتان.

الأولى هي terrain conformance، أي مطابقة التضاريس. ترفع هذه الآلية نقاط ارتكاز القدمين وجذع الجسم إلى السطح المحلي، فيتحول المسار المسطح إلى مسار مناسب للمنحدر.

الثانية هي wrench transformation. تحدد هذه الآلية مقدار الإزاحة اللازمة لليد للحصول على القوة المطلوبة. ويجري الحساب بالتزامن مع إزاحة مركز الكتلة ومركز الضغط التي تسببها هذه القوة. وتُقيَّد النتيجة بحدود الجهد المسموح بها للذراعين، ولكل معلّم حدوده الخاصة.

بعد ذلك تأتي مرحلة التقطير. يُدمج معلّمان منفصلان، أحدهما لتطبيق القوة والآخر لتعويضها، بطريقة DAgger في طالب واحد قائم على flow matching. يتلقى الطالب الحس العميق فقط مدخلًا، ويتدبّر بنفسه أمر المنحدر والحمل.

ما المعروف عن النتائج

أُجريت التجارب على Unitree G1 في المحاكاة وعلى روبوت حقيقي. وتذكر الورقة في ملخصها القدرة على تطبيق القوة وتعويضها والتعامل مع تضاريس مختلفة. لكنها لا تتضمن مقاييس كمية: لا نسبة المحاولات الناجحة، ولا نطاق القوى، ولا زوايا الميل القصوى. ولا يمكن تقدير هامش متانة النهج إلا من النص الكامل للورقة.

أبرز المعايير الواردة في الوصف:

• المنصة: Unitree G1؛
• طريقة التدريب: معلّمان (exertion وcompensation)، وتقطير عبر DAgger؛
• بنية الطالب: flow matching؛
• مدخل الطالب: الحس العميق فقط؛
• غير مطلوب: خريطة ارتفاعات أو wrench مقيس؛
• إشارة الأمر: مسار لسطح مستوٍ، بما في ذلك من مشغّل عن بُعد؛
• التحقق: المحاكاة وروبوت حقيقي.

المعنى العملي

تكمن الفائدة الرئيسية للنهج في تبسيط حزمة المستشعرات. فإذا عملت السياسة دون خريطة ارتفاعات ودون مستشعرات القوة والعزم، تصبح المنصة أرخص وتقلّ مصادر الأعطال. وهذا مفيد أيضًا في التشغيل عن بُعد: لا يحتاج المشغّل إلى تعويض التضاريس ووزن الحمل يدويًا، ويمكنه العمل بتسجيلات الحركة العادية.

وعند التقييم ينبغي النظر في عدة أمور. ما نطاق الميول والقوى الذي يتحمله الروبوت فعلًا؟ كيف يتصرف النظام عند وجود تأخيرات في قناة التحكم عن بُعد؟ هل ينتقل النهج إلى روبوتات بشرية أخرى غير G1؟ وهل يتعامل مع تضاريس غير مستوية غير المنحدرات، مثل الدرجات أو التربة الرخوة؟ لا توجد حتى الآن إجابات عن هذه الأسئلة في البيانات المفتوحة. لكن الفكرة نفسها، أي نقل التعقيد من المتتبّع إلى المرجع، تبدو طريقة عملية للجمع بين التحكم بالقوة والثبات على ارتكاز غير مستوٍ.