Boston Dynamics – amerykański producent mobilnych robotów, to jedna z największych gwiazd świata robotyki. Firma przekracza granice możliwości tworząc maszyny, które pod względem ruchowym doskonale imitują zachowania człowieka i zwierząt. Niektórych to przeraża, innych fascynuje, jednakże nikomu nie pozwala przejść wobec prac bostońskiej firmy obojętnie. Teraz okazuje się jednak, że teoretycznie każdy z nas może stworzyć namiastkę takiego robota samodzielnie (z bardzo dużym naciskiem na „teoretycznie”).
Projekt pod przewodnictwem Ludovica Righetti – profesora nadzwyczajnego w NYU Tandon, został rozpoczęty w 2016 r. W lipcu br. został zaakceptowany do publikacji w czasopiśmie Robotics and Automation Letters oraz zaprezentowany na wirtualnej Międzynarodowej Konferencji Robotyki i Automatyki (ICRA). Solo 8 działa na bardzo podobnej zasadzie jak jego bez porównania droższy pierwowzór z Boston Dynamics – ruchome przeguby i sterowane momentem obrotowym silniki pozwalają mu na poruszanie się w kilku kierunkach, skakanie i podnoszenie się po przewróceniu.
Naukowcy podkreślają, że ważący nieco ponad dwa kilogramy Solo 8 ma wyższy stosunek mocy do masy niż większość innych czworonożnych robotów, co czyni go bezpieczniejszym i łatwiejszym w obsłudze – można go nawet nosić w plecaku. Wszystkie części i komponenty można kupić oraz wydrukować na drukarkach 3D – zespół udostępnił pliki konstrukcyjne na GitHub, na 3-klauzulowej licencji BSD.
Tak opisuje projekt prof. Ludovic Righetti:
Nasz projekt robota stanowi doskonałą bazę do dalszego, szybkiego prototypowania kolejnych maszyn tego typu i tworzenia robotów o wysokiej wydajności. [Udostępniając jego projekt za darmo] My również czerpiemy korzyści, ponieważ inni badacze mogą przyczynić się do rozwoju projektu – na przykład koledzy z LAAS-CNRS we Francji opracowali tablicę elektroniczną, która pomaga komunikować się z robotem przez WiFi. Ponadto można szybko przetestować złożone algorytmy sterowania i uczenia się, co skraca czas od pomysłu do weryfikacji eksperymentalnej.
To znacznie upraszcza nasze badania, a nasze podejście open-source pozwala nam porównywać skuteczność naszych algorytmów z innymi laboratoriami. W moim laboratorium w Nowym Jorku opracowaliśmy bardzo wydajne algorytmy optymalizacji ruchu, ale testowanie ich na złożonym, ciężkim robocie może kilku badaczom zająć pół roku pracy, podczas gdy łatwiej można to zrobić za pomocą Solo.
