Изследователи разработват нов метод за управление на меки роботи

Изследователи от Масачузетския технологичен институт са измислили начин за по-добър контрол и проектиране на меки роботи за изпълнение на целеви задачи. Това е цел в меката роботика от дълго време и е голямо постижение. 

Меките роботи имат гъвкави тела, които могат да се движат по безкраен брой начини във всеки един момент. По отношение на изчисленията, това е изключително сложно „представяне на състоянието“, описващо движенията на всяка част от робота. Те могат да имат милиони измерения, което означава, че е по-трудно да се изчисли най-добрият начин за един робот да изпълнява сложни целеви задачи.

Изследователите от MIT ще представят модел на Конференцията за системи за обработка на невронна информация през декември. Моделът е в състояние да научи компактно или „нискоизмерно“ представяне на състоянието, което се основава на физиката на робота, околната среда и други фактори. След това моделът е в състояние да съвместно оптимизира контрола на движението, както и параметрите на дизайна на материала, които след това са насочени към конкретни задачи. 

Андрю Спилбърг е аспирант в Лабораторията по компютърни науки и изкуствен интелект (CSAIL). 

„Меките роботи са безкрайноизмерни същества, които се огъват по милиард различни начини във всеки един момент, но всъщност има естествени начини, по които меките предмети могат да се огъват. Откриваме, че естествените състояния на меките роботи могат да бъдат описани много компактно в описание с ниски размери. Ние оптимизираме контрола и дизайна на меките роботи, като научаваме добро описание на вероятните състояния.“

В симулациите, които се състояха, моделът позволи на 2D и 3D меки роботи да изпълняват целевите задачи. Задачите включваха преминаване на различни разстояния и достигане до целеви точки. Моделът успя да направи това по-бързо и по-точно от други настоящи методи. Сега изследователите искат да използват модела в истински меки роботи. 

Други хора, които са работили по проекта, включват студенти, завършили CSAIL, Allan Zhao, Tao Du и Yuanming Hu; Даниел Рус, директор на CSAIl и Андрю и Ерна Витерби, професор по електроинженерство и компютърни науки; и Wojciech Matusik, асоцииран професор по електротехника и компютърни науки в Масачузетския технологичен институт и ръководител на Computational Fabrication Group. 

Софт роботиката е развиваща се област, която е изключително важна в по-широкия обхват на напредналата роботика. Характеристики като гъвкави тела могат да играят роля за по-безопасно взаимодействие с хората, манипулиране на обекти, маневреност и много други. 

По време на симулациите "наблюдател" отговаря за контрола на роботите. „Наблюдател“ е програма, която изчислява променливи, които виждат начина, по който мекият робот се движи, за да изпълни задача. 

В крайна сметка изследователите разработиха нов метод за оптимизиране на обучението в цикъла. Всички оптимизирани параметри се научават по време на единичен цикъл на обратна връзка, който се провежда в множество симулации. В същото време методът научава представянето на състоянието. 

Моделът използва техника, наречена „метод на материалната точка (MPM). MPM симулира поведението на частици от непрекъснати материали, като пяна и течности, и е заобиколен от решетка на фона. Техниката е в състояние да улови частиците на робота и неговата наблюдавана среда в 3D пиксели или воксели. 

След това необработената информация за решетката на частиците се изпраща до компонент за машинно обучение. Той се научава да въвежда изображение, да го компресира до нискоразмерно представяне и след това да го декомпресира обратно във входното изображение. 

Наученото компресирано представяне действа като нискоразмерно представяне на състоянието на робота. Компресираните представяния се връщат обратно към контролера във фаза на оптимизация и той извежда изчислено действие за това как всяка частица трябва да се движи след това в следващата стъпка, стимулирана от MPM. 

В същото време контролерът използва информацията, за да регулира оптималната твърдост на всяка частица. Информацията за материала може да се използва за 3D отпечатване на меки роботи, тъй като всяко петно ​​от частици може да бъде отпечатано с различна твърдост. 

„Това позволява създаването на дизайни на роботи, обслужващи движенията на робота, които ще бъдат подходящи за конкретни задачи“, казва Спилбърг. „Като научавате тези параметри заедно, вие поддържате всичко възможно най-синхронизирано, за да улесните процеса на проектиране.“

Изследователите се надяват, че в крайна сметка ще могат да проектират от симулация до производство.