Un humanoïde à 5 000 $ avec une imprimante 3D et Python

Si vous avez déjà regardé les prix des robots bipèdes commerciaux comme le Unitree H1 ou le Boston Dynamics Atlas, vous savez que le budget se compte en dizaines et centaines de milliers de dollars. Le laboratoire Hybrid Robotics de Berkeley a décidé de prendre une approche différente et a présenté le Berkeley Humanoid Lite. Ce robot anthropomorphe entièrement open-source peut être assemblé pour moins de 5 000 $.

Le projet comprend des conceptions de pièces imprimables en 3D, des boîtes de vitesses modulaires, des simulations Isaac Lab et du code de contrôle matériel de bas niveau.

Sous le capot

Le principal défi des robots marcheurs réside dans les articulations et les boîtes de vitesses. Les entraînements harmoniques ou cycloïdaux industriels sont coûteux. Les auteurs ont conçu des boîtes de vitesses modulaires imprimables sur une imprimante standard et les ont combinées avec des moteurs brushless abordables.

Le dépôt est structuré comme un ensemble d'extensions pour NVIDIA Isaac Lab. L'architecture est divisée en quatre parties :

• source/berkeley_humanoid_lite/ contient l'environnement virtuel, les récompenses et les définitions de tâches pour l'entraînement par apprentissage par renforcement dans Isaac Lab.
• source/berkeley_humanoid_lite_assets/ stocke les modèles 3D aux formats URDF, MJCF et USD, ainsi que les scripts d'exportation du système CAO Onshape.
• source/berkeley_humanoid_lite_lowlevel/ contient tout le code C++ et Python qui est déployé directement sur l'ordinateur embarqué du robot.
• scripts/ combine les points d'entrée pour lancer l'entraînement des réseaux de neurones, les tests sim2sim et l'étalonnage.

Cette séparation est pratique. Pour exécuter des algorithmes dans le simulateur, vous n'avez pas besoin de matériel physique. Et quand vient le temps de l'assemblage, seul le dossier lowlevel est envoyé à la mémoire du microcontrôleur ou de l'ordinateur monocarte.

Comment fonctionne le pipeline : de la simulation à la marche

Entraîner un robot bipède à marcher dans la vraie vie est dangereux et coûteux. Il cassera des pièces dès la première chute. C'est pourquoi les auteurs utilisent une chaîne de transfert sim-to-real :

1. Entraînement de la politique de contrôle en utilisant l'apprentissage par renforcement sur un GPU dans le simulateur avec des environnements parallèles.
2. Vérification sim2sim, où les poids résultants sont exécutés dans des moteurs physiques plus précis avec du bruit de capteurs ajouté.
3. Déploiement sur le robot physique via l'interface de bas niveau.

Le dépôt comprend également des modules de capture de mouvement (mocap) et de téléopération. Le robot peut être contrôlé manuellement avec une manette ou un casque VR pour les manipulations manuelles.

Par où commencer

Pour exécuter la simulation, vous aurez besoin d'une machine avec un GPU NVIDIA et un Isaac Lab configuré. Le flux de travail sera familier à quiconque a travaillé avec Python 3.11 :

# Клонируем репозиторий вместе с субмодулями
git clone https://github.com/HybridRobotics/Berkeley-Humanoid-Lite.git
cd Berkeley-Humanoid-Lite

# Устанавливаем окружение как расширение Isaac Lab
pip install -e source/berkeley_humanoid_lite
pip install -e source/berkeley_humanoid_lite_assets

# Запуск инференса или обучения
python scripts/reinforcement_learning/rsl_rl/train.py --task Berkeley-Humanoid-Lite-Walk

Tous les fichiers sources des modèles CAO sont disponibles publiquement sur Onshape, et les auteurs ont publié les fichiers STL prêts à l'emploi et la liste des matériaux (BOM) pour les pièces achetées sur le portail de documentation GitBook.

Cela vaut-il la peine d'essayer

Si votre objectif est de rechercher des algorithmes de locomotion, le contrôle d'équilibre ou de tester vos propres modèles RL sur un humanoïde réel sans des subventions de plusieurs millions de dollars, ce projet mérite définitivement un signet.

Bien sûr, le plastique imprimé en 3D n'atteint pas la rigidité de l'aluminium aerospace usiné. Les engrenages s'useront plus rapidement et la précision de positionnement dérivera lorsqu'ils seront chauffés. Mais pour 5 000 $ et avec une base de code ouverte sous licence MIT, c'est une excellente base pour les laboratoires universitaires, les hackathons et les passionnés de robotique.