När man går på en trång plats, människor tänker vanligtvis inte på hur vi undviker att stöta på varandra. Vi är byggda för att använda ett spektrum av komplexa färdigheter som krävs för att utföra dessa typer av till synes enkla rörelser.

Nu, tack vare forskare vid Cockrell School of Engineering vid University of Texas i Austin, robotar kanske snart kan uppleva liknande funktionalitet. Luis Sentis, docent vid institutionen för rymdteknik och teknisk mekanik, och hans team i Human Centered Robotics Laboratory har framgångsrikt visat ett nytt tillvägagångssätt för mänsklig balans i en tvåbentsrobot.

Deras tillvägagångssätt har konsekvenser för robotar som används i allt från nödberedskap till försvar till underhållning. Teamet kommer att presentera sitt arbete den här veckan vid 2018 års internationella konferens om intelligenta robotar och system (IROS2018), flaggskeppskonferensen inom robotteknik.

Genom att översätta en viktig mänsklig fysisk dynamisk färdighet – att upprätthålla balans i hela kroppen – till en matematisk ekvation, teamet kunde använda den numeriska formeln för att programmera sin robot Mercury, som byggdes och testades under sex år. De beräknade felmarginalen som krävs för att en genomsnittlig person ska tappa balansen och falla när han går för att vara en enkel siffra – 2 centimeter.

"Väsentligen, vi har utvecklat en teknik för att lära autonoma robotar hur man bibehåller balansen även när de träffas oväntat, eller en kraft appliceras utan förvarning, ", sa Sentis. "Detta är en särskilt värdefull färdighet som vi som människor ofta använder när vi navigerar genom stora folksamlingar."

Sentis sa att deras teknik har varit framgångsrik i att dynamiskt balansera båda tvåbenta utan fotledskontroll och fullständiga humanoida robotar.

Dynamisk människokroppsliknande rörelse är mycket svårare att uppnå för en robot utan fotledskontroll än för en utrustad med manövrerad, eller sammanfogade, fötter. Så, UT Austin-teamet använde en effektiv helkroppskontroller utvecklad genom att integrera kontaktkonsistenta rotatorer (eller vridmoment) som effektivt kan skicka och ta emot data för att informera roboten om det bästa möjliga steget att göra nästa som svar på en kollision. De tillämpade också en matematisk teknik - ofta använd i 3D-animering för att uppnå realistiska rörelser från animerade karaktärer - känd som invers kinematik, tillsammans med motorlägesregulatorer på låg nivå.

Mercury kan ha skräddarsytts för de specifika behoven hos dess skapare, men de grundläggande ekvationerna som ligger till grund för denna teknik i vår förståelse av mänsklig förflyttning är, i teorin, universellt tillämplig på alla jämförbara förkroppsligade artificiella intelligenser (AI) och robotikforskning.

Som alla robotar som utvecklats i Sentis labb, den tvåbenta är antropomorf — utformad för att efterlikna människors rörelser och egenskaper.

"Vi väljer att efterlikna mänsklig rörelse och fysisk form i vårt labb eftersom jag tror att AI designad för att likna människor ger tekniken större förtrogenhet, " sade Sentis. "Detta, i tur och ordning, kommer att göra oss mer bekväma med robotbeteende, och ju mer vi kan relatera, desto lättare blir det att inse hur mycket potential AI har för att förbättra våra liv."

Forskningen finansierades av Office of Naval Research och UT, i samarbete med Apptronik Systems, ett företag som Sentis är medgrundare till.