Buzz
Các nhà khoa học Trung Quốc sử dụng AI để huấn luyện robot điều chỉnh tư thế khi ở trên không trung giống như loài mèo, giúp chúng di chuyển trên bề mặt tiểu hành tinh.
Lấy cảm hứng từ khả năng xoay người và tiếp đất của mèo, nhóm nghiên cứu từ Viện Công nghệ Cáp Nhĩ Tân (Trung Quốc) áp dụng phương pháp học tăng cường (RL) - một loại trí tuệ nhân tạo (AI) - để huấn luyện robot điều chỉnh tư thế khi nhảy qua các bề mặt gồ ghề và trọng lực thấp của tiểu hành tinh.
Nhóm nghiên cứu Trung Quốc huấn luyện robot bốn chân cách điều chỉnh tư thế và tiếp đất giống như loài mèo để di chuyển trên bề mặt các tiểu hành tinh. (Ảnh: SCMP)
Không giống các hệ thống truyền thống với phần cứng ổn định và nặng nề, robot sử dụng hệ thống điều khiển “phi mô hình” để di chuyển bốn chân theo các chuyển động phối hợp, cho phép chúng tự điều chỉnh độ nghiêng và thay đổi hướng di chuyển ngay trong không trung, theo báo cáo từ các nhà nghiên cứu đăng trên Tạp chí Du hành Vũ trụ.
Nghiên cứu đã giải quyết một thách thức lớn trong việc điều khiển robot nhảy trên các tiểu hành tinh, nơi môi trường có trọng lực thấp, và chỉ cần một sự mất cân bằng nhỏ ở chân cũng có thể khiến robot mất kiểm soát, tiếp đất thất bại hoặc bật khỏi bề mặt.
“Trong môi trường trọng lực thấp của tiểu hành tinh, robot trải qua giai đoạn rơi tự do kéo dài mỗi lần nhảy. Việc tận dụng thời gian này để điều chỉnh độ lệch do cú nhảy gây ra là cực kỳ quan trọng, giúp đảm bảo tiếp đất an toàn hoặc điều chỉnh hướng di chuyển”, nhóm nghiên cứu cho biết trong báo cáo.
“Một hệ thống mô phỏng trọng lực thấp đã được phát triển để kiểm tra hiệu quả của phương pháp nhảy này thông qua các thí nghiệm với nguyên mẫu robot bốn chân,” nhóm nghiên cứu chia sẻ thêm.
Các tiểu hành tinh là những di tích từ quá trình hình thành hệ Mặt trời, chứa đựng những bí mật quan trọng về nguồn gốc của vũ trụ. Chúng cũng là kho tài nguyên phong phú như bạch kim và các kim loại quý hiếm khác, có thể hỗ trợ trong các dự án thám hiểm không gian và ứng dụng công nghiệp trong tương lai.
Thử thách trên bề mặt tiểu hành tinh
Cho đến nay, các cơ quan vũ trụ từ Châu Âu, Nhật Bản và Mỹ đã thành công trong việc hạ cánh tàu vũ trụ trên tiểu hành tinh để thu thập mẫu, nhưng chưa có nhiệm vụ nào triển khai robot tự hành có khả năng thám hiểm bề mặt lâu dài.
Các robot tự hành truyền thống sử dụng bánh xe, như những chiếc đã được thử nghiệm trên Mặt trăng và sao Hỏa, gặp khó khăn trong môi trường tiểu hành tinh do lực hấp dẫn yếu, chỉ bằng một phần nghìn trọng lực của Trái đất, không đủ mạnh để bánh xe hoạt động hiệu quả.
Để khắc phục những hạn chế này, các nhà khoa học đã đề xuất sử dụng robot nhảy cho các nhiệm vụ thám hiểm trong tương lai, nhưng điều này lại tạo ra một loạt các thách thức mới.
Mỗi lần nhảy, robot sẽ ở trên không trung khoảng 10 giây hoặc lâu hơn, đủ thời gian để lực mất cân bằng từ chân khiến robot có thể xoay không kiểm soát hoặc thậm chí bật khỏi bề mặt và bay vào không gian.
Nhóm nghiên cứu tại Cáp Nhĩ Tân đã ứng dụng phương pháp học tăng cường (RL) để huấn luyện robot trong môi trường mô phỏng. Sau hơn bảy giờ thử nghiệm, AI đã rút ra bài học từ những sai sót để hoàn thiện chuyển động và có thể tiếp đất ổn định. Hệ thống AI của robot có khả năng tự điều chỉnh các hướng, bao gồm độ cao, độ nghiêng và góc quay chỉ trong vài giây.
Ví dụ, khi robot nhảy về phía trước với góc nghiêng lên tới 140 độ, nó có thể tự ổn định tư thế trong vòng 8 giây. Nó cũng có khả năng xoay giữa không trung đến 90 độ để thay đổi hướng di chuyển.
Robot được huấn luyện thông qua phương pháp học tăng cường. (Ảnh: SCMP)
Để kiểm tra hiệu quả của hệ thống, nhóm nghiên cứu đã tạo ra nền tảng mô phỏng môi trường vi trọng lực, nơi robot có thể "trôi" trên bề mặt gần như không có ma sát.
Nhóm nghiên cứu cho biết, mặc dù các thử nghiệm chỉ giới hạn trong chuyển động hai chiều, nhưng chúng đã khẳng định tính hiệu quả của hệ thống và củng cố kết quả từ các mô phỏng.
Các nhà khoa học cũng nhận thấy rằng quá trình huấn luyện yêu cầu rất ít năng lượng tính toán từ robot. Thiết kế nhẹ và tiết kiệm năng lượng của hệ thống là yếu tố lý tưởng cho các nhiệm vụ thám hiểm không gian sâu.
Trong tương lai, hệ thống này có thể được ứng dụng rộng rãi, từ nghiên cứu khoa học đến khai thác tài nguyên trên các tiểu hành tinh. Tuy nhiên, nhóm nghiên cứu nhấn mạnh rằng cần thêm nhiều nghiên cứu để cải thiện khả năng thích ứng của AI với các môi trường và địa hình đa dạng.
