Исследователи разработали метод Time-Adaptive Robotic Control (TARC), который позволяет роботам автономно регулировать частоту управления в зависимости от ситуационных требований. Подход основан на обучении с подкреплением, где политики одновременно выбирают управляющие действия и продолжительность их применения.
Традиционные роботизированные системы используют фиксированную частоту управления во всех сценариях — например, беспилотный автомобиль управляется с одинаковой частотой при движении по прямой и при выполнении сложного дрифта. Это создает компромисс между эффективностью низкочастотного управления и надежностью высокочастотного. Биологические системы демонстрируют иной подход: ходьба по тротуару требует минимального осознанного контроля, тогда как передвижение по канату требует постоянного внимания и частых корректировок.
Исследователи протестировали TARC на двух различных робототехнических платформах в режиме zero-shot sim-to-real transfer. RC-автомобиль выполнял задачу обратной парковки с разворотом на 180°, требующую дрифта, при базовой частоте управления 30 Гц. Четвероногий робот Unitree Go1 выполнял задачи локомоции с джойстиковым управлением при базовой частоте 50 Гц, где агенту задаются целевые команды скорости и поворота.
TARC-политики достигли сопоставимой или превосходящей производительности по сравнению с фиксированной частотой, при этом снизив среднюю частоту управления более чем в два раза. На четвероногом роботе политика поддерживала низкую частоту 16,7 Гц в состоянии покоя и мгновенно увеличивала ее до максимальных 50 Гц при внешних возмущениях для обеспечения стабильного восстановления. Метод также продемонстрировал более гладкие команды двигателям, что снижает механический износ и энергопотребление.
Источник новости и обложки: arxiv.org