CHIMP ทำงานที่ยากที่สุดอย่างหนึ่ง - พยายามต่อท่อดับเพลิงเข้ากับก๊อกน้ำ
โฮสต์โดย Defense Advanced Research Projects Agency (DARPA) Robotics Challenge สัญญาว่าจะปฏิวัติความสามารถของระบบและวิธีการออกแบบ ลองมาดูเหตุการณ์นี้และประเมินความคิดเห็นของผู้เล่นหลักจำนวนหนึ่ง
เมื่อวันที่ 11 มีนาคม 2011 ญี่ปุ่นได้รับผลกระทบจากแผ่นดินไหวที่มีกำลังแรง โดยมีศูนย์กลางแผ่นดินไหวอยู่ห่างจากชายฝั่งตะวันออกของเกาะฮอนชูประมาณ 70 กม. จากผลของแผ่นดินไหวขนาด 9 คลื่นได้ก่อตัวขึ้นที่มีความสูงถึง 40 เมตรและแพร่กระจายในแผ่นดินเป็นระยะทาง 10 กม.
โรงไฟฟ้านิวเคลียร์ Fukushima I ขวางทางคลื่นยักษ์สึนามิ เมื่อคลื่นยักษ์กระทบสถานี เครื่องปฏิกรณ์ถูกทำลายอย่างร้ายแรง เหตุการณ์นี้กลายเป็นโศกนาฏกรรมนิวเคลียร์ที่เลวร้ายที่สุดนับตั้งแต่อุบัติเหตุที่โรงไฟฟ้านิวเคลียร์เชอร์โนบิลในปี 2529 เหตุการณ์นี้เป็นพื้นฐานสำหรับสถานการณ์สมมติของโครงการหุ่นยนต์ที่สำคัญที่สุดโครงการหนึ่งในปัจจุบัน - DRC (DARPA Robotics Challenge - การทดสอบภาคปฏิบัติของระบบหุ่นยนต์ภายใต้โครงการการบริหารการวิจัยและพัฒนาขั้นสูงของกระทรวงกลาโหมสหรัฐฯ)
การทดลอง DRC ได้รับการประกาศในเดือนเมษายน 2012 และเลือกบรรเทาภัยพิบัติเป็นสถานการณ์จำลองสำหรับการทดลองเหล่านี้ การพัฒนาระบบใหม่จะต้องดำเนินการภายใต้กรอบของสถานการณ์นี้ สาเหตุหลักมาจากข้อเท็จจริงที่ว่ามันรวมอยู่ในภารกิจหลัก 10 ประการของกระทรวงกลาโหมสหรัฐฯ ซึ่งระบุโดยทำเนียบขาวและกระทรวงกลาโหมในเดือนมกราคม 2555. ในเดือนธันวาคม 2013 ภายใต้กรอบของการแข่งขันเหล่านี้ ขั้นตอนสำคัญได้ผ่านพ้นไป เมื่อการทดสอบ "เต็มรูปแบบ" ครั้งแรกได้ดำเนินการในฟลอริดาเป็นครั้งแรก
DRC มีความแตกต่างกันในด้านนวัตกรรมหลายประการ โดยผสมผสานการทดสอบเสมือนจริงและภาคสนาม และเปิดรับทีมที่ได้รับทุนและไม่ได้รับทุน เหตุการณ์นี้ประกอบด้วยสี่ส่วนที่เรียกว่าหรือแทร็ก DARPA ให้การสนับสนุนทางการเงินสำหรับสองแทร็ก A และ Track B และเปิดการแข่งขันเหล่านี้ให้กับผู้มาใหม่ทั้งหมด
จากสี่แทร็ก สองแทร็ก (แทร็ก A และแทร็ก B) ได้รับเงินทุน หลังจากการประกาศทั่วไปและการส่งใบสมัคร DARPA ได้เลือกเจ็ดทีมสำหรับ Track A เพื่อพัฒนาฮาร์ดแวร์และซอฟต์แวร์ใหม่ ใน Track B 11 ทีมพัฒนาซอฟต์แวร์เท่านั้น
Track C ไม่ได้รับเงินทุนและเปิดรับสมาชิกใหม่จากทั่วทุกมุมโลก เช่นเดียวกับผู้เข้าร่วมใน Track B ผู้เข้าร่วมส่วนใหญ่ใช้โปรแกรมจำลองหุ่นยนต์เสมือนเพื่อทดสอบซอฟต์แวร์ของตน Track D มีไว้สำหรับผู้มีส่วนร่วมจากต่างประเทศที่ต้องการพัฒนาฮาร์ดแวร์และซอฟต์แวร์ แต่ไม่มีเงินทุน DARPA ในทุกขั้นตอน
กุญแจสู่แนวทาง DRC ที่เป็นนวัตกรรมใหม่คือองค์ประกอบ VRC (Virtual Robotics Challenge) ทีมอันดับสูงสุด - ไม่ว่าจะมาจากแทร็ก B หรือ C - จะได้รับเงินทุนจาก DARPA เช่นเดียวกับหุ่นยนต์ Atlas จาก Boston Dynamics ซึ่งพวกเขาจะเข้าร่วมในการทดสอบภาคสนาม
ในเดือนพฤษภาคม 2013 ทีมจากแทร็ก B และแทร็ก C ได้สมัครเพื่อคัดเลือก VRC ซึ่งจัดขึ้นในเดือนถัดไป จากทีมที่ลงทะเบียนมากกว่า 100 ทีม มีเพียง 26 ทีมเท่านั้นที่ย้ายไปยัง VRC และมีเพียง 7 ทีมเท่านั้นที่เข้าสู่การทดสอบเต็มรูปแบบ
VRC เกิดขึ้นในพื้นที่เสมือนที่มีความแม่นยำสูงซึ่งได้รับอนุญาตภายใต้ใบอนุญาต Apache 2 จาก Open Source Foundation ทีมงานได้รับมอบหมายให้ทำงานสามงานจากทั้งหมดแปดงานที่ระบุสำหรับหุ่นยนต์จริงในการทดสอบภาคสนามครั้งแรก
การทดสอบ
แม้ว่าหุ่นยนต์ที่แสดงใน VRC นั้นน่าประทับใจ แต่พฤติกรรมในการทดสอบภาคสนามนั้นไม่แน่นอน 100% อย่างไรก็ตาม Jill Pratt ผู้อำนวยการโครงการ DRC Competition กล่าวว่าเขาพอใจกับความสามารถของพวกเขามาก “เราคาดว่าเนื่องจากนี่เป็นส่วนแรกของการทดสอบ เราสามารถเห็นการพังของฮาร์ดแวร์จำนวนมาก แต่ที่จริงแล้วไม่ใช่กรณีนี้ ฮาร์ดแวร์ทั้งหมดมีความน่าเชื่อถือมาก สองสามทีมแรกโดยเฉพาะสามทีมแรกสามารถเก็บคะแนนได้มากกว่าครึ่งและมีความคืบหน้าอย่างมากแม้ว่าเราจะจงใจแทรกแซงช่องทางการสื่อสารก็ตาม"
Pratt ยังประทับใจในความสามารถของหุ่นยนต์ Atlas อีกด้วย "มันเกินความคาดหมายของเราจริงๆ … Boston Dynamics ได้ทำงานที่เป็นแบบอย่างเพื่อให้แน่ใจว่าไม่มีทีมใดได้รับอันตรายจากความล้มเหลวของฮาร์ดแวร์ทุกประเภท"
อย่างไรก็ตาม ยังมีช่องว่างสำหรับการปรับปรุง เช่น แขนกลที่มีพื้นที่ทำงานจำกัดและการรั่วไหลจากระบบไฮดรอลิกของหุ่นยนต์ กระบวนการปรับปรุงให้ทันสมัยเริ่มขึ้นก่อนงานในเดือนธันวาคม 2556 Pratt กล่าวว่าเขาต้องการเพิ่มจำนวนเครื่องมือต่างๆ ในรอบชิงชนะเลิศ และหุ่นยนต์ส่วนใหญ่มักจะมีเข็มขัดพร้อมเครื่องมือที่พวกเขาจะต้องเลือกเครื่องมือที่จำเป็นและเปลี่ยนในระหว่างการดำเนินการสคริปต์
หุ่นยนต์ Atlas ยังได้รับการยกย่องจาก Doug Stephen นักวิจัยและวิศวกรซอฟต์แวร์ที่ Florida Institute for Human and Machine Cognitive Abilities ซึ่งทีมของเขาได้อันดับสองใน Track B ในการทดลองภาคสนาม “นี่เป็นหุ่นยนต์ที่วิเศษมาก … เราทำงานกับมันด้วยเวลาสะอาด 200 ชั่วโมงในสองหรือสามเดือน และนี่ไม่ใช่เรื่องแปลกมากสำหรับแพลตฟอร์มทดลอง - ความสามารถในการทำงานอย่างต่อเนื่องและไม่แตกหัก”
มีความพยายามอย่างกล้าหาญอยู่เบื้องหลังความสามารถของหุ่นยนต์ที่น่าประทับใจของ DRC; การมอบหมายงานได้รับการออกแบบให้ท้าทายเป็นพิเศษและท้าทายฮาร์ดแวร์และซอฟต์แวร์ที่พัฒนาโดยทีมงาน
แม้ว่างานจะยาก แต่แพรตต์ไม่คิดว่า DARPA กำหนดมาตรฐานไว้สูงเกินไป โดยสังเกตว่าทุกงานเสร็จสิ้นโดยทีมอย่างน้อยหนึ่งทีม การขับขี่และการต่อแขนเสื้อถือเป็นงานที่ยากที่สุด ตามที่สตีเฟ่นกล่าว สิ่งแรกคือสิ่งที่ยากที่สุด: “ฉันจะพูดอย่างแน่นอน - งานขับรถและไม่ใช่เพราะการขับรถเอง หากคุณต้องการขับขี่อัตโนมัติอย่างเต็มที่ ซึ่งเป็นเรื่องยากมาก คุณก็ต้องมีผู้ควบคุมหุ่นยนต์เสมอ การขับรถไม่ได้ยากขนาดนั้น แต่การลงจากรถนั้นยากกว่าที่คนอื่นคิดไว้มาก มันเหมือนกับการไขปริศนา 3 มิติขนาดใหญ่"
ตามรูปแบบของ DRC Finals ซึ่งจะครบกำหนดในเดือนธันวาคม 2014 งานทั้งหมดจะถูกรวมเป็นหนึ่งสถานการณ์ต่อเนื่อง ทั้งหมดนี้เพื่อทำให้มีความน่าเชื่อถือมากขึ้นและให้ตัวเลือกเชิงกลยุทธ์แก่ทีมเกี่ยวกับวิธีการดำเนินการ ความยากก็จะเพิ่มขึ้นด้วย และแพรตต์กล่าวเสริมว่า “ความท้าทายของเราสำหรับทีมที่ทำได้ดีที่โฮมสเตดคือการทำให้มันยากขึ้นอีก เราจะถอดสายเคเบิลที่ผูกไว้ ถอดสายสื่อสารออก และแทนที่ด้วยช่องสัญญาณไร้สาย ในขณะที่เรากำลังจะลดคุณภาพของการเชื่อมต่อลง เพื่อให้แย่ยิ่งกว่าในการทดสอบครั้งก่อนๆ อีก"
“แผนของฉันในตอนนี้คือทำให้การเชื่อมต่อเป็นช่วงๆ ในบางครั้ง มันอาจจะหายไปโดยสิ้นเชิง และฉันเชื่อว่าสิ่งนี้ควรทำแบบสุ่ม เนื่องจากมันเกิดขึ้นในภัยพิบัติจริง มาดูกันว่าหุ่นยนต์ทำอะไรได้บ้าง ทำงานไม่กี่วินาที หรืออาจนานถึงหนึ่งนาที พยายามทำงานย่อยด้วยตัวเอง แม้ว่าจะไม่ได้ถูกตัดขาดจากการควบคุมของผู้ควบคุมเครื่องโดยสิ้นเชิง และผมคิดว่าน่าสนใจมาก ภาพ."
แพรตต์กล่าวว่าระบบความปลอดภัยจะถูกลบออกในรอบชิงชนะเลิศเช่นกัน “นี่หมายความว่าหุ่นยนต์จะต้องทนต่อการตก มันยังหมายความว่ามันจะต้องปีนขึ้นไปด้วยตัวมันเองและมันจะค่อนข้างยากจริงๆ”
หุ่นยนต์ Schaft ขจัดเศษขยะออกจากทางเดิน
ความท้าทายและกลยุทธ์
จากแปดทีมระหว่างการทดสอบ ห้าทีมใช้หุ่นยนต์ ATLAS อย่างไรก็ตาม ผู้เข้าร่วมในสนามแข่ง A - ผู้ชนะของ Team Schaft และผู้ชนะคนที่สามของ Team Tartan Rescue - ใช้การพัฒนาของพวกเขา Tartan Rescue มีพื้นเพมาจากศูนย์วิศวกรรมหุ่นยนต์แห่งชาติของมหาวิทยาลัย Carnegie Mellon (CMU) Tartan Rescue ได้พัฒนา CMU แพลตฟอร์มมือถืออัจฉริยะระดับสูง (CHIMP) สำหรับการทดสอบ DRC Tony Stentz จาก Tartan Rescue อธิบายเหตุผลของทีมในการพัฒนาระบบของตนเองว่า "การใช้หุ่นยนต์ฮิวแมนนอยด์ที่ไม่มีวางจำหน่ายทั่วไปอาจปลอดภัยกว่า แต่เรารู้ว่าเราสามารถสร้างการออกแบบที่ดีขึ้นสำหรับการตอบสนองต่อภัยพิบัติ"
“เรารู้ว่าเราต้องสร้างบางสิ่งที่คร่าวๆ เป็นมนุษย์ แต่เราไม่ชอบความต้องการหุ่นยนต์ฮิวแมนนอยด์เพื่อรักษาสมดุลขณะเคลื่อนที่ไปรอบๆ เมื่อหุ่นยนต์สองเท้าเคลื่อนที่ พวกมันจะต้องรักษาสมดุลเพื่อไม่ให้ล้ม และสิ่งนี้ค่อนข้างยากบนพื้นผิวเรียบ แต่เมื่อคุณพูดถึงการเคลื่อนตัวผ่านเศษซากของการก่อสร้างและการเหยียบบนวัตถุที่สามารถเคลื่อนที่ได้ มันจะยิ่งยากขึ้นไปอีก ดังนั้น CHIMP จึงมีความเสถียรทางสถิต โดยวางอยู่บนฐานที่ค่อนข้างกว้าง และอยู่ในตำแหน่งตั้งตรง มันจะกลิ้งบนรางที่เท้าของมัน เพื่อให้สามารถกลับไปกลับมาและหมุนตัวเข้าที่ สามารถวางตำแหน่งได้ง่ายพอที่จะยื่นมือออกไปเพื่อพกพาทุกสิ่งที่คุณต้องการในงานที่ได้รับมอบหมาย เมื่อเขาต้องการเคลื่อนที่บนภูมิประเทศที่ยากขึ้น เขาสามารถล้มทั้งสี่ขาได้ เพราะเขายังมีใบพัดแบบหนอนผีเสื้ออยู่ในมือ
ทีมจากสนามแข่งที่แตกต่างกันต้องเผชิญกับความท้าทายที่แตกต่างกันในการเตรียมตัวสำหรับการทดสอบ Institute for Human and Machine Cognitive Abilities มุ่งเน้นไปที่การพัฒนาซอฟต์แวร์ เนื่องจากนี่เป็นปัญหาที่ยากที่สุด - การเปลี่ยนจาก VRC ไปสู่ปัญหาภาคสนาม สตีเฟนกล่าวว่า “เมื่อหุ่นยนต์ Atlas ถูกส่งมา เรามี 'โหมด' สองแบบที่คุณสามารถใช้ได้ อย่างแรกคือชุดการเคลื่อนไหวง่ายๆ ที่จัดทำโดย Boston Dynamics ที่คุณสามารถใช้สำหรับการเคลื่อนไหวได้และยังด้อยพัฒนาเล็กน้อย ปรากฎว่าทีมส่วนใหญ่ใช้โหมดในตัวเหล่านี้จาก Boston Dynamics ในระหว่างการแข่งขัน Homestead มีเพียงไม่กี่ทีมที่เขียนซอฟต์แวร์ควบคุมหุ่นยนต์ของตัวเองและไม่มีใครเขียนซอฟต์แวร์ของตัวเองสำหรับหุ่นยนต์ทั้งหมด …"
"เราเขียนซอฟต์แวร์ของเราเองตั้งแต่เริ่มต้น และเป็นตัวควบคุมทั้งตัว กล่าวคือ เป็นตัวควบคุมตัวเดียวที่ทำงานได้ในทุกงาน เราไม่เคยเปลี่ยนไปใช้โปรแกรมอื่นหรือตัวควบคุมอื่น … ดังนั้นหนึ่งในงานที่ยากที่สุด คือการสร้างรหัสโปรแกรมและรันบน Atlas เหมือนกับว่าเป็นกล่องดำเมื่อ Boston Dynamics นำเสนอให้เราทราบ แต่เป็นหุ่นยนต์และ IP ของพวกเขา ดังนั้นเราจึงไม่สามารถเข้าถึงคอมพิวเตอร์ออนบอร์ดในระดับต่ำได้ ซอฟต์แวร์ทำงานบนคอมพิวเตอร์ภายนอก แล้วสื่อสารกับโดยใช้ API (Application Programming Interface) ผ่านไฟเบอร์ด้วยคอมพิวเตอร์ออนบอร์ด จึงมีความล่าช้าและปัญหาอย่างมากเกี่ยวกับการซิงโครไนซ์ และการควบคุมระบบที่ซับซ้อนเช่น Atlas ค่อนข้างยาก"
ในขณะที่การเขียนโค้ดของคุณเองตั้งแต่ต้นเป็นเรื่องยากและใช้เวลานานกว่าสำหรับ Institute for Human and Machine Cognitive Abilities Stephen เชื่อว่าวิธีการนี้ให้ผลกำไรมากกว่า เนื่องจากเมื่อเกิดปัญหาขึ้น จะสามารถแก้ไขได้เร็วกว่าการใช้ Boston Dynamics นอกจากนี้ ซอฟต์แวร์สหาย Atlas ยังไม่ก้าวหน้าเท่ากับซอฟต์แวร์ที่ Boston Dynamics ใช้ในการสาธิตของตัวเอง “เมื่อพวกเขาส่งหุ่นยนต์ … พวกเขาพูดอย่างเปิดเผยว่าการเคลื่อนไหวไม่ใช่สิ่งที่คุณเห็นเมื่อ Boston Dynamics อัปโหลดวิดีโอของ หุ่นยนต์ไปยัง Youtube ทำงานเกี่ยวกับซอฟต์แวร์ของบริษัทนี้ นี่เป็นเวอร์ชันที่ล้ำหน้าน้อยกว่า … ซึ่งเพียงพอสำหรับการฝึกหุ่นยนต์ฉันไม่รู้ว่าพวกเขาจะให้รหัสกับคำสั่งที่ใช้หรือไม่ ฉันไม่คิดว่าพวกเขาคาดหวังให้ทุกคนเขียนซอฟต์แวร์ของตัวเอง นั่นคือ สิ่งที่ส่งมอบพร้อมกับหุ่นยนต์นั้นเป็นไปได้ตั้งแต่เริ่มต้น และไม่ได้มีจุดประสงค์เพื่อทำการทดสอบภาคปฏิบัติทั้งแปดอย่างในการทดสอบภาคปฏิบัติของ DRC"
ความท้าทายที่ยิ่งใหญ่ที่สุดสำหรับทีม Tartan Rescue คือตารางงานที่แน่นหนาที่พวกเขาต้องปฏิบัติตามเมื่อพัฒนาแพลตฟอร์มใหม่และซอฟต์แวร์ที่เกี่ยวข้อง “สิบห้าเดือนที่แล้ว CHIMP เป็นเพียงแนวคิด การวาดภาพบนกระดาษ เราจึงต้องออกแบบชิ้นส่วน สร้างส่วนประกอบ ประกอบเข้าด้วยกัน และทดสอบทั้งหมด เรารู้ว่าต้องใช้เวลาส่วนใหญ่ เราแทบรอไม่ไหวและเริ่มเขียนซอฟต์แวร์จนกว่าหุ่นยนต์จะพร้อม เราจึงเริ่มพัฒนาซอฟต์แวร์ควบคู่กันไป จริง ๆ แล้วเราไม่มีหุ่นยนต์ที่ทำงานได้เต็มประสิทธิภาพ ดังนั้นเราจึงใช้เครื่องจำลองและอุปกรณ์ทดแทนฮาร์ดแวร์ในระหว่างการพัฒนา ตัวอย่างเช่น เรามีแขนกลที่แยกจากกันซึ่งเราสามารถใช้ตรวจสอบบางสิ่งสำหรับแขนขาเดียวได้” Stentz อธิบาย
อ้างถึงความยุ่งยากที่จะเพิ่มความเสื่อมโทรมของช่องทางการรับส่งข้อมูล Stentz ตั้งข้อสังเกตว่าการตัดสินใจครั้งนี้เกิดขึ้นตั้งแต่เริ่มต้นโดยเฉพาะสำหรับสถานการณ์ดังกล่าวและไม่ใช่ปัญหาที่ยากมาก “เรามีเซ็นเซอร์ติดตั้งอยู่บนหัวของหุ่นยนต์ - เครื่องวัดระยะด้วยเลเซอร์และกล้อง - ช่วยให้เราสามารถสร้างแผนที่พื้นผิวสามมิติที่สมบูรณ์และแบบจำลองของสภาพแวดล้อมของหุ่นยนต์ นี่คือสิ่งที่เราใช้จากฝั่งผู้ควบคุมเครื่องเพื่อควบคุมหุ่นยนต์ และเราสามารถจินตนาการถึงสถานการณ์นี้ด้วยความละเอียดที่แตกต่างกัน ขึ้นอยู่กับย่านความถี่และช่องทางการสื่อสารที่มีอยู่ เราสามารถมุ่งความสนใจของเราและรับความละเอียดที่สูงขึ้นในบางพื้นที่และความละเอียดที่ต่ำกว่าในด้านอื่นๆ เรามีความสามารถในการควบคุมหุ่นยนต์จากระยะไกลได้โดยตรง แต่เราชอบการควบคุมในระดับที่สูงกว่าเมื่อเรากำหนดเป้าหมายสำหรับหุ่นยนต์ และโหมดการควบคุมนี้ทนทานต่อการสูญเสียสัญญาณและความล่าช้ามากกว่า”
หุ่นยนต์ Schaft เปิดประตู ความสามารถในการจัดการหุ่นยนต์ที่ดีขึ้นเป็นสิ่งจำเป็นสำหรับระบบในอนาคต
ขั้นตอนถัดไป
Stentz และ Stephen กล่าวว่าทีมของพวกเขากำลังประเมินความสามารถของพวกเขาในการทดสอบในโลกแห่งความเป็นจริง เพื่อประเมินว่าต้องมีการดำเนินการใดบ้างเพื่อก้าวไปข้างหน้า และพวกเขากำลังรอการตรวจสอบ DARPA และข้อมูลเพิ่มเติมเกี่ยวกับสิ่งที่จะเกิดขึ้นในรอบชิงชนะเลิศ สตีเฟนกล่าวว่าพวกเขายังตั้งตารอที่จะได้รับการปรับเปลี่ยนบางอย่างสำหรับ Atlas โดยสังเกตข้อกำหนดหนึ่งที่ได้รับอนุมัติแล้วสำหรับรอบชิงชนะเลิศ - การใช้แหล่งจ่ายไฟออนบอร์ด สำหรับ CHIMP นี่ไม่ใช่ปัญหา เนื่องจากหุ่นยนต์ที่มีไดรฟ์ไฟฟ้าสามารถพกพาแบตเตอรี่ของตัวเองได้แล้ว
Stentz และ Stephen เห็นพ้องต้องกันว่ามีความท้าทายหลายประการที่ต้องแก้ไขในการพัฒนาพื้นที่ระบบหุ่นยนต์และการสร้างประเภทแพลตฟอร์มที่สามารถใช้ในสถานการณ์บรรเทาภัยพิบัติ “ฉันจะบอกว่าไม่มีสิ่งใดในโลกที่สามารถเป็นยาครอบจักรวาลได้ ในแง่ของฮาร์ดแวร์ ฉันเชื่อว่าเครื่องจักรที่มีความสามารถในการจัดการที่ยืดหยุ่นมากขึ้นนั้นมีประโยชน์ สำหรับซอฟต์แวร์ ฉันเชื่อว่าหุ่นยนต์ต้องการความเป็นอิสระในระดับที่มากขึ้น เพื่อให้สามารถทำงานได้ดีขึ้นโดยไม่ต้องมีช่องทางการสื่อสารในการดำเนินการระยะไกล พวกเขาสามารถทำงานให้เสร็จเร็วขึ้นเพราะพวกเขาทำหลายอย่างด้วยตัวเองและตัดสินใจได้มากขึ้นต่อหน่วยเวลา ฉันคิดว่าข่าวดีก็คือการแข่งขัน DARPA ได้รับการออกแบบมาเพื่อส่งเสริมทั้งฮาร์ดแวร์และซอฟต์แวร์อย่างแท้จริง” Stentz กล่าว
สตีเฟนเชื่อว่าจำเป็นต้องมีการปรับปรุงในกระบวนการพัฒนาเทคโนโลยี “ในฐานะโปรแกรมเมอร์ ฉันเห็นหลายวิธีในการปรับปรุงซอฟต์แวร์ และฉันเห็นโอกาสมากมายในการปรับปรุงเมื่อฉันทำงานกับเครื่องเหล่านี้สิ่งที่น่าสนใจมากมายเกิดขึ้นในห้องปฏิบัติการและมหาวิทยาลัยที่อาจไม่มีวัฒนธรรมที่เข้มแข็งของกระบวนการนี้ ดังนั้นบางครั้งงานก็ดำเนินไปอย่างไม่ตั้งใจ นอกจากนี้ เมื่อดูโครงการที่น่าสนใจจริงๆ ในการทดลองใช้ DRC คุณตระหนักดีว่ายังมีช่องว่างอีกมากสำหรับการปรับปรุงฮาร์ดแวร์และนวัตกรรม"
Stephen ตั้งข้อสังเกตว่า Atlas เป็นตัวอย่างสำคัญของสิ่งที่สามารถทำได้ นั่นคือระบบที่ใช้งานได้ซึ่งพัฒนาขึ้นในเวลาอันสั้น
อย่างไรก็ตาม สำหรับแพรตต์ ปัญหามีความชัดเจนมากขึ้น และเขาเชื่อว่าการปรับปรุงซอฟต์แวร์ควรมาก่อน “ประเด็นที่ฉันพยายามจะเข้าใจคือซอฟต์แวร์ส่วนใหญ่อยู่ระหว่างหู ฉันหมายถึง สิ่งที่เกิดขึ้นในสมองของผู้ควบคุม สิ่งที่เกิดขึ้นในสมองของหุ่นยนต์ และวิธีที่ทั้งสองเห็นพ้องต้องกัน เราต้องการที่จะมุ่งเน้นไปที่ฮาร์ดแวร์ของหุ่นยนต์และเรายังมีปัญหากับมันอยู่ เช่น เรามีปัญหากับต้นทุนการผลิต ประสิทธิภาพการใช้พลังงาน … ส่วนที่ยากที่สุดคือซอฟต์แวร์อย่างไม่ต้องสงสัย และเป็นรหัสโปรแกรมสำหรับส่วนต่อประสานระหว่างหุ่นยนต์กับมนุษย์และรหัสการเขียนโปรแกรมสำหรับหุ่นยนต์เองเพื่อทำงานด้วยตนเองซึ่งรวมถึงการรับรู้และการรับรู้สถานการณ์การรับรู้ถึงสิ่งที่เกิดขึ้นในโลกและตัวเลือกตามสิ่งที่หุ่นยนต์ รับรู้"
Pratt เชื่อว่าการค้นหาแอปพลิเคชั่นหุ่นยนต์เชิงพาณิชย์เป็นกุญแจสำคัญในการพัฒนาระบบขั้นสูงและขับเคลื่อนอุตสาหกรรมให้ก้าวไปข้างหน้า “ฉันคิดว่าเราต้องการแอปพลิเคชันเชิงพาณิชย์จริงๆ นอกเหนือจากการจัดการภัยพิบัติและการป้องกันภัยทั่วไป ความจริงก็คือตลาด การป้องกันประเทศ การรับมือเหตุฉุกเฉิน และการบรรเทาภัยพิบัติ นั้นเล็กเมื่อเทียบกับตลาดการค้า"
“เราชอบที่จะพูดคุยกันมากเกี่ยวกับเรื่องนี้ที่ DARPA โดยยกตัวอย่างโทรศัพท์มือถือ DARPA ให้ทุนสนับสนุนการพัฒนาหลายอย่างที่นำไปสู่เทคโนโลยีที่ใช้ในโทรศัพท์มือถือ … หากนี่เป็นเพียงตลาดการป้องกันที่เซลล์ตั้งใจไว้ พวกเขาจะเสียค่าใช้จ่ายจำนวนมากมากกว่าตอนนี้ และนี่เป็นเพราะ ตลาดการค้าขนาดใหญ่ที่ทำให้สามารถรับโทรศัพท์มือถือได้อย่างไม่น่าเชื่อ …"
“ในด้านวิทยาการหุ่นยนต์ มุมมองของเราคือเราต้องการลำดับเหตุการณ์นี้อย่างแท้จริง เราต้องดูแอพพลิเคชั่นซื้อของในโลกแห่งการค้าที่จะทำให้ราคาตก จากนั้นเราจึงสามารถสร้างระบบเฉพาะสำหรับกองทัพซึ่งจะมีการลงทุนเชิงพาณิชย์"
แปดทีมแรกจะเข้าร่วมในการทดลองในเดือนธันวาคม 2014 - Team Schaft, IHMC Robotics, Tartan Rescue, Team MIT, Robosimian, Team TRAClabs, WRECS และ Team Trooper แต่ละคนจะได้รับเงิน 1 ล้านดอลลาร์เพื่อพัฒนาโซลูชันของตน และในท้ายที่สุด ทีมที่ชนะจะได้รับรางวัล 2 ล้านดอลลาร์ แม้ว่าส่วนใหญ่แล้ว การเป็นที่ยอมรับนั้นมีค่ามากกว่าเงิน
Robosimian จากห้องปฏิบัติการ Jet Propulsion ของ NASA มีการออกแบบที่ผิดปกติ
องค์ประกอบเสมือน
การรวมสองแทร็กของ DARPA ในการทดลอง DRC ซึ่งมีเพียงทีมพัฒนาซอฟต์แวร์เท่านั้นที่เข้าร่วม พูดถึงความปรารถนาของผู้บริหารที่จะเปิดโปรแกรมให้กับกลุ่มผู้เข้าร่วมที่กว้างที่สุด ก่อนหน้านี้ โครงการพัฒนาเทคโนโลยีดังกล่าวเป็นอภิสิทธิ์ของบริษัทป้องกันประเทศและห้องปฏิบัติการวิจัย อย่างไรก็ตาม การสร้างพื้นที่เสมือนซึ่งแต่ละทีมสามารถทดสอบซอฟต์แวร์ของตนได้ ทำให้คู่แข่งที่มีประสบการณ์เพียงเล็กน้อยหรือไม่มีเลยในการพัฒนาซอฟต์แวร์สำหรับหุ่นยนต์สามารถแข่งขันได้ในระดับเดียวกับบริษัทที่มีชื่อเสียงในด้านนี้ DARPA ยังมองว่าพื้นที่จำลองเป็นมรดกระยะยาวของการทดสอบ DRC
ในปี 2555 DARPA ได้มอบหมายให้ Open Source Foundation พัฒนาพื้นที่เสมือนจริงสำหรับการแข่งขัน และองค์กรก็เริ่มสร้างแบบจำลองเปิดโดยใช้ซอฟต์แวร์ Gazeboศาลามีความสามารถในการจำลองหุ่นยนต์ เซ็นเซอร์ และวัตถุในโลก 3 มิติ และได้รับการออกแบบมาเพื่อให้ข้อมูลเซ็นเซอร์ที่สมจริงและสิ่งที่อธิบายว่าเป็น "การโต้ตอบที่เป็นไปได้ทางกายภาพ" ระหว่างวัตถุ
Brian Goerkey ประธานมูลนิธิโอเพ่นซอร์สกล่าวว่า Gazebo ถูกใช้เนื่องจากความสามารถที่ได้รับการพิสูจน์แล้ว “แพ็คเกจนี้ค่อนข้างใช้กันอย่างแพร่หลายในชุมชนหุ่นยนต์ นั่นคือเหตุผลที่ DARPA ต้องการเดิมพันเพราะเราเห็นประโยชน์ของมันในสิ่งที่ทำ เราสามารถสร้างชุมชนนักพัฒนาและผู้ใช้รอบๆ ได้"
ในขณะที่ Gazebo เป็นระบบที่รู้จักกันดีอยู่แล้ว Gorky ตั้งข้อสังเกตว่าในขณะที่ยังมีที่ว่างให้ต่อสู้ แต่ควรดำเนินการตามขั้นตอนเพื่อให้เป็นไปตามข้อกำหนดที่ระบุโดย DARPA “เราสร้างหุ่นยนต์เดินจำลองได้น้อยมาก เรามุ่งเน้นที่แพลตฟอร์มแบบมีล้อเป็นหลัก และมีบางแง่มุมของการสร้างแบบจำลองหุ่นยนต์เดินดินที่ค่อนข้างแตกต่างกันมาก คุณต้องระวังให้มากเกี่ยวกับวิธีแก้ไขการติดต่อและวิธีสร้างแบบจำลองหุ่นยนต์ ด้วยวิธีนี้ คุณจะได้รับพารามิเตอร์ที่ดีเพื่อแลกกับความแม่นยำ มีความพยายามอย่างมากในการจำลองฟิสิกส์ของหุ่นยนต์อย่างละเอียด คุณจึงสามารถจำลองสถานการณ์ที่มีคุณภาพดีและทำให้หุ่นยนต์ทำงานแบบเรียลไทม์ได้ เมื่อเทียบกับการทำงานแบบเรียลไทม์หนึ่งในสิบหรือหนึ่งในร้อย ซึ่งมีแนวโน้มว่า ถ้าไม่ใช่เพราะความพยายามทั้งหมดที่คุณทุ่มเทลงไป"
หุ่นยนต์ Atlas จำลองเข้าไปในรถระหว่างขั้นตอนการแข่งขันเสมือนจริงของ DRC
เกี่ยวกับการจำลองหุ่นยนต์ Atlas สำหรับพื้นที่เสมือน Görki กล่าวว่ามูลนิธิต้องเริ่มต้นด้วยชุดข้อมูลพื้นฐาน “เราเริ่มต้นด้วยแบบจำลองที่จัดทำโดย Boston Dynamics เราไม่ได้เริ่มต้นด้วยแบบจำลอง CAD แบบละเอียด แต่เรามีแบบจำลองจลนศาสตร์แบบง่ายที่มอบให้เรา โดยทั่วไปคือไฟล์ข้อความที่ระบุว่าขานี้ยาวแค่ไหน ใหญ่แค่ไหน และอื่นๆ ความท้าทายสำหรับเราคือการปรับโมเดลนี้อย่างถูกต้องและแม่นยำ เพื่อให้เราสามารถประนีประนอมประสิทธิภาพเพื่อแลกกับความแม่นยำ หากคุณกำลังสร้างแบบจำลองด้วยวิธีง่าย ๆ คุณสามารถแนะนำความไม่ถูกต้องบางอย่างในกลไกฟิสิกส์พื้นฐาน ซึ่งจะทำให้มันไม่เสถียรในบางสถานการณ์ ดังนั้น งานจำนวนมากคือต้องเปลี่ยนโมเดลเล็กน้อย และในบางกรณี เขียนโค้ดของคุณเองเพื่อจำลองบางส่วนของระบบ นี่ไม่ใช่แค่การจำลองฟิสิกส์อย่างง่ายเท่านั้น แต่ยังมีระดับที่ด้านล่างซึ่งเราจะไม่ไปต่อ"
Pratt มีทัศนคติเชิงบวกอย่างมากเกี่ยวกับความสำเร็จของ VRC และพื้นที่จำลอง “เราได้ทำสิ่งที่ไม่เคยเกิดขึ้นมาก่อน สร้างการจำลองกระบวนการที่เหมือนจริงจากมุมมองทางกายภาพที่สามารถเรียกใช้ในเวลาจริง เพื่อให้ผู้ปฏิบัติงานสามารถทำงานได้แบบโต้ตอบได้ คุณต้องการสิ่งนี้จริงๆ เนื่องจากเรากำลังพูดถึงบุคคลและหุ่นยนต์ในฐานะทีมเดียวกัน ดังนั้นการจำลองหุ่นยนต์ควรทำงานในช่วงเวลาเดียวกันกับบุคคล ซึ่งหมายถึงแบบเรียลไทม์ ในทางกลับกันจำเป็นต้องมีการประนีประนอมระหว่างความแม่นยำของแบบจำลองและความเสถียร … ฉันเชื่อว่าเราประสบความสำเร็จอย่างมากในการแข่งขันเสมือนจริง"
Stephen อธิบายว่า Institute for Human and Machine Cognitive Abilities ของ IHMC เผชิญกับความท้าทายที่แตกต่างกันในการพัฒนาซอฟต์แวร์ “เราใช้สภาพแวดล้อมการจำลองของเราเอง ซึ่งเรารวมเข้ากับ Gazebo โดยเป็นส่วนหนึ่งของการแข่งขันเสมือนจริง แต่การพัฒนาของเราจำนวนมากเสร็จสิ้นบนแพลตฟอร์มที่เรียกว่า Simulation Construction Set … เราใช้ซอฟต์แวร์ของเราเมื่อเราเปิดตัวหุ่นยนต์จริง เราทำการสร้างแบบจำลองมามาก และนี่คือรากฐานที่สำคัญอย่างหนึ่งของเรา เราหวังว่าจะได้รับประสบการณ์การพัฒนาซอฟต์แวร์ที่ดีมากมาย"
Stephen กล่าวว่าภาษาการเขียนโปรแกรม Java เป็นที่ต้องการของ IHMC เพราะมี "กล่องเครื่องมือที่น่าประทับใจมากซึ่งเติบโตขึ้นมารอบๆ" เขาตั้งข้อสังเกตว่าเมื่อรวม Gazebo กับซอฟต์แวร์ของเขาเอง “ปัญหาหลักคือเราเขียนซอฟต์แวร์ของเราใน Java และซอฟต์แวร์ส่วนใหญ่สำหรับหุ่นยนต์ใช้ C หรือ C ++ ซึ่งดีมากสำหรับระบบฝังตัว แต่เราต้องการทำงานใน Java ในแบบที่เราต้องการ - เพื่อให้โค้ดของเราทำงานในกรอบเวลาหนึ่ง เนื่องจากมีการใช้งานใน C หรือ C ++ แต่ไม่มีใครใช้ เป็นปัญหาใหญ่ในการทำให้โปรแกรม Gazebo ทั้งหมดทำงานกับโค้ด Java ของเราได้”
DARPA และ Open Source Foundation ยังคงพัฒนาและปรับปรุงการจำลองและพื้นที่เสมือนต่อไป “เรากำลังเริ่มใช้องค์ประกอบที่จะทำให้เครื่องจำลองมีประโยชน์มากขึ้นในสภาพแวดล้อมที่แตกต่างกัน นอกพื้นที่กู้ภัย ตัวอย่างเช่น เราใช้ซอฟต์แวร์ที่ใช้ในการแข่งขัน (เรียกว่า CloudSim เนื่องจากเป็นการจำลองในสภาพแวดล้อมการประมวลผลแบบคลาวด์) และเราพัฒนาซอฟต์แวร์ด้วยความตั้งใจที่จะทำงานบนเซิร์ฟเวอร์คลาวด์” Görki กล่าว
ข้อดีหลักประการหนึ่งของการเปิดสภาพแวดล้อมจำลองสำหรับสาธารณะและการทำงานกับสภาพแวดล้อมในระบบคลาวด์คือการคำนวณระดับสูงสามารถทำได้โดยระบบที่ทรงพลังกว่าบนเซิร์ฟเวอร์ ซึ่งช่วยให้ผู้คนสามารถใช้คอมพิวเตอร์ขนาดเล็ก แม้แต่เน็ตบุ๊กและแท็บเล็ต. เพื่อทำงานในที่ทำงานของคุณ Görki ยังเชื่อว่าแนวทางนี้จะเป็นประโยชน์อย่างมากสำหรับการสอน ตลอดจนในการออกแบบและพัฒนาผลิตภัณฑ์ "คุณจะสามารถเข้าถึงสภาพแวดล้อมการจำลองนี้ได้จากทุกที่ในโลกและลองใช้หุ่นยนต์ตัวใหม่ของคุณ"