في عالم الروبوتات المتطورة، يبدو أن هناك دائمًا خطوة جديدة تحدث ثورة في الطريقة التي تتحرك بها هذه الآلات المعقدة. نقدم لكم اليوم تقنية جديدة تحمل اسم "PGTT" (Phase-Guided Terrain Traversal) التي تعد بإنقاذ الروبوتات الرباعية الأرجل من القيود التي تعاني منها الأنظمة التقليدية.

أثبتت أنظمة التحكم الحالية في الروبوتات المزودة بخوارزميات التعلم المعزز (Reinforcement Learning) أنها إما تحدد أنماط الحركة بطريقة صارمة أو لا تستطيع التكيف مع التغيرات في البيئة المحيطة. ولكن باستخدام PGTT، يتم تنظيم هيكل الخطوات من خلال تشكيل المكافآت، مما يخفض التحيز المُنفذ من أنماط الحركة التقليدية.

تعتمد PGTT على تمثيل الفاز (phase) لكل ساق باستخدام خوارزمية spline هرمية مكعبة، حيث تتكيف ارتفاع الخطوات وفقًا لإحصائيات التضاريس المحلية، مع إضافة عقوبة على ملامسة الساق خلال فترات الخطوة.

تم تدريب PGTT في بيئة MuJoCo (MJX) على تضاريس دَرجية تم إنشاؤها برمجيًا، وقد أظهرت نتائج مبهرة، حيث حققت أعلى معدل نجاح مقارنةً بأنظمة التحكم الأخرى التي تم تقييمها.

أيضًا، تم اختبار هذه التقنية على روبوت Unitree Go2، وأظهرت نتائج أولية واعدة أثناء استخدام نظام LiDAR لتحويل الارتفاعات إلى خرائط ارتفاع.

تعد PGTT خطوة أولى لاستخدام تقنيات قابلة للتكيف مع التضاريس، دون الاعتماد على سياسات معينة لكل منصة أو إعادة ضبط شاملة، مما يفتح آفاق جديدة لعالم الروبوتات.