ПЕРСПЕКТИВИ РОЗВИТКУ ЧОТИРИНОГИХ РОБОТІВ З ФУНКЦІЄЮ ГОЛОСОВОГО УПРАВЛІННЯ
DOI:
https://doi.org/10.35546/kntu2078-4481.2025.4.2.3Ключові слова:
чотириногий робот, робототехніка, голосове управління, взаємодія людина-робот, штучний інтелект, навчання з підкріпленням, розпізнавання мовлення, великі мовні моделі.Анотація
Сучасний етап розвитку робототехніки характеризується переходом від детермінованих спеціалізованих до інтелектуальних автономних систем, здатних функціонувати у складних та непередбачуваних середовищах. Особливу увагу привертають чотириногі мобільні роботи, які поєднують високу стійкість, прохідність і маневреність, забезпечуючи ефективність там, де колісні або гусеничні мобільні платформи втрачають працездатність. Разом з тим, розробка таких систем залишається складним завданням, що потребує удосконалення механічної архітектури, оптимізацію енергоспоживання, впровадження нових алгоритмів керування та систем взаємодії з людиною. Метою досліджень є комплексний аналіз сучасного стану розвитку чотириногих роботів і визначення перспектив їх удосконалення. У результаті проведеного аналізу визначено основні тенденції розвитку галузі: удосконалення біонічних конструктивних рішень, впровадження технологій штучного інтелекту (зокрема, глибокого навчання з підкріпленням) у системи керування рухом та розвиток природномовної взаємодії між людиною і роботом. На основі узагальнення даних запропоновано концептуальну архітектуру інтелектуального чотириногого робота з інтегрованим голосовим управлінням, що об’єднує модулі штучного інтелекту, розпізнавання мовлення та комп’ютерного зору. Практичне значення роботи полягає у формуванні узагальненої моделі взаємодії людина–робот, здатної забезпечити інтуїтивне керування мобільними платформами та підвищити ефективність їх використання у складних реальних умовах, в яких робот повинен не тільки орієнтуватись на голосові команди людини, але й враховувати візуальний контекст.
Посилання
Raj, R., & Kos, A. (2022). A comprehensive study of mobile robot: History, developments, applications, and future research perspectives. Applied Sciences, 12(14), 6951. https://doi.org/10.3390/app12146951
Biswal, P., & Mohanty, P.K. (2021). Development of quadruped walking robots: A review. Ain Shams Engineering Journal, 12(2), 2017–2031. https://doi.org/10.1016/j.asej.2020.11.005
Fan, Y., Pei, Z., Wang, C., Li, M., Tang, Z., & Liu, Q. (2024). A review of quadruped robots: Structure, control, and autonomous motion. Advanced Intelligent Systems, 6(6), 2300783. https://doi.org/10.1002/aisy.202300783
Kawaharazuka, K., Inoue, S., Suzuki, T., Yuzaki, S., Sawaguchi, S., Okada, K., & Inaba, M. (2024). MEVIUS: A quadruped robot easily constructed through e-commerce with sheet metal welding and machining. Proceedings of the 2024 IEEE-RAS 23rd International Conference on Humanoid Robots (Humanoids), 631–636. https://doi.org/10.1109/Humanoids58906.2024.10769853
Li, Q., Cicirelli, F., Vinci, A., Guerrieri, A., Qi, W., & Fortino, G. (2025). Quadruped robots: Bridging mechanical design, control, and applications. Robotics, 14(5), 57. https://doi.org/10.3390/robotics14050057
Azeez, S. A., Mandava, R. K., & Naik, N. S. (2025). A novel review on quadruped robots design variants, gait modulation, and motion planning schemes. Journal of Field Robotics, 42(12), 3615–3693. https://doi.org/10.1002/rob.22575
Yamamoto, H., Kim, S., Ishii, Y., & Ikemoto, Y. (2020). Generalization of movements in quadruped robot locomotion by learning specialized motion data. Robomech Journal, 7(29). https://doi.org/10.1186/s40648-020-00174-1
Saha Kotha, S., Akter, N., Abhi, S. H., Das, S. K., Islam, M. R., Ali, M. F., … & Hasan, M. M. (2024). Next generation legged robot locomotion: A review on control techniques. Heliyon, 10(18), e37237. https://doi.org/10.1016/j.heliyon.2024.e37237
Taheri, H., & Mozayani, N. (2023). A study on quadruped mobile robots. Mechanism and Machine Theory, 190, 105448. https://doi.org/10.1016/j.mechmachtheory.2023.105448
Chai, H., Li, Y., Song, R., Zhang, G., Zhang, Q., Liu, S., … & Yang, Z. (2022). A survey of the development of quadruped robots: Joint configuration, dynamic locomotion control method and mobile manipulation approach. Biomimetic Intelligence and Robotics, 2(1), 100029. https://doi.org/10.1016/j.birob.2022.100029
Yuan, J., Wang, S., Wang, B., Shi, R., Wu, X., Li, L., Li, W., Wang, Z., & Dai, Z. (2024). Design of a quadruped robot with morphological adaptation through reconfigurable sprawling structure and method. Advanced Intelligent Systems, 6(6), 2300645. https://doi.org/10.1002/aisy.202300645
Liu, M., Qu, D., Xu, F., Zou, F., Di, P., & Tang, C. (2019). Quadrupedal robots whole-body motion control based on centroidal momentum dynamics. Applied Sciences, 9(7), 1335. https://doi.org/10.3390/app9071335
Bellegarda, G., Nguyen, C., & Nguyen, Q. (2024). Robust quadruped jumping via deep reinforcement learning. Robotics and Autonomous Systems, 182, 104799. https://doi.org/10.1016/j.robot.2024.104799
Zhang, D., Chen, X., Zhong, Z., Xu, M., Zheng, Z., & Lu, H. (2025). Novel multi-gait strategy for stable and efficient quadruped robot locomotion. Journal of System Simulation, 37(1), 2. https://doi.org/10.48550/arXiv.2410.09336
Hussain, M. D., Rahman, M. H., & Ali, N. M. (2024). Artificial intelligence and machine learning enhance robot decision-making adaptability and learning capabilities across various domains. International Journal of Science and Engineering, 1(3), 14–27. https://doi.org/10.62304/ijse.v1i3.161
Tang, C., Abbatematteo, B., Hu, J., Chandra, R., Martín-Martín, R., & Stone, P. (2024). Deep reinforcement learning for robotics: A survey of real-world successes. arXiv Preprint arXiv:2408.03539. https://doi.org/10.48550/arXiv.2408.03539
Zhang, H., He, L., & Wang, D. (2022). Deep reinforcement learning for real-world quadrupedal locomotion: A comprehensive review. Intelligent Robotics, 2(3), 275–297. https://doi.org/10.20517/ir.2022.20
Azimi, D., & Hoseinnezhad, R. (2025). Hierarchical reinforcement learning for quadrupedal robots: Efficient object manipulation in constrained environments. Sensors, 25(5), 1565. https://doi.org/10.3390/s25051565
Ranasinghe, U., Islam, R., Anavatti, S., & Garrat, M. (2025) A review of reinforcement learning techniques for quadruped robot control and locomotion in complex terrains. SSRN Preprint. https://dx.doi.org/10.2139/ssrn.5183855
Norda, M., Engel, C., Rennies, J., Appell, J.-E., Lange, S. C., & Hahn, A. (2024). Evaluating the efficiency of voice control as human–machine interface in production. IEEE Transactions on Automation Science and Engineering, 21(3), 4817–4828. https://doi.org/10.1109/TASE.2023.3302951
Han, J., & Conti, D. (2025). Recent advances in human–robot interactions. Applied Sciences, 15(12), 6850. https://doi.org/10.3390/app15126850
Badr, A. A., & Abdul-Hassan, A. K. (2020). A review on voice-based interface for human–robot interaction. Iraqi Journal for Electrical and Electronic Engineering, 16(2), 1–12. https://doi.org/10.37917/ijeee.16.2.10
Radford, A., Kim, J.W., Xu, T., Brockman, G., Mcleavey, C. & Sutskever, I. (2023). Robust Speech Recognition via Large-Scale Weak Supervision. Proceedings of the 40th International Conference on Machine Learning, PMLR 202:28492-28518. https://proceedings.mlr.press/v202/radford23a.html
Бронніков, А.І., & Онишко, В.О. (2017). Обробка інформації при голосовому керуванні у робототехніці. Системи обробки інформації, 3(149), 85-87.
Janíček, M., Ružarovský, R., Velíšek, K., & Holubek, R. (2021). Analysis of voice control of a collaborative robot. Journal of Physics: Conference Series, 1781, 012025. https://doi.org/10.1088/1742-6596/1781/1/012025
Kishor, I., Mamodiya, U., Saini, S., & Bossoufi, B. (2025). Voice-enabled human–robot interaction: Adaptive selflearning systems for enhanced collaboration. Robotica, 43(6), 2143–2171. https://doi.org/10.1017/S0263574725000438
Mehrizi, K. (2021). Quadrupedal robotic guide dog with vocal human–robot interaction. arXiv Preprint arXiv:2111.03718. https://doi.org/10.48550/arXiv.2111.03718
Ismail, S., Arbues, A., Cotterell, R., Zurbrügg, R., & Alonso, C. A. (2024). NARRATE: Versatile language architecture for optimal control in robotics. Proceedings of the 2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 9628–9635. https://doi.org/10.1109/IROS58592.2024.10801425
Abbas, A. N., & Beleznai, C. (2024). TalkWithMachines: Enhancing human–robot interaction through large/vision language models. Proceedings of the 2024 Eighth IEEE International Conference on Robotic Computing (IRC), 253–258. https://doi.org/10.1109/IRC63610.2024.00039
Mehta, V., Sharma, C., & Thiyagarajan, K. (2025). Large language models and 3D vision for intelligent robotic perception and autonomy. Sensors, 25(20), 6394. https://doi.org/10.3390/s25206394
Lai, Y., Yuan, S., Nassar, Y., Fan, M., Weber, T., & Rätsch, M. (2025). NVP-HRI: Zero shot natural voice and posture-based human–robot interaction via large language model. Expert Systems with Applications. 268, 126360. https://doi.org/10.1016/j.eswa.2024.126360
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
