Výzkumníci vyvíjejí novou metodu pro ovládání měkkých robotů

Výzkumníci z Massachusetts Institute of Technology přišli na způsob, jak lépe ovládat a navrhovat měkké roboty pro plnění cílových úkolů. To byl cíl v soft-robotice již dlouhou dobu a je to velký úspěch. 

Měkcí roboti mají flexibilní těla, která se mohou pohybovat nekonečným množstvím způsobů v kteroukoli danou chvíli. Pokud jde o výpočty, jedná se o vysoce komplexní „stavovou reprezentaci“, popisující pohyby každé části robota. Ty mohou mít možná miliony rozměrů, což znamená, že je obtížnější vypočítat nejlepší způsob, jak robot dokončit složité cílové úkoly.

Výzkumníci z MIT představí model na prosincové konferenci o nervových systémech zpracování informací. Model je schopen se naučit kompaktní neboli „nízkorozměrnou“ reprezentaci stavu, která je založena na fyzice robota, prostředí a dalších faktorech. Model je pak schopen kooptimalizovat řízení pohybu i parametry materiálového provedení, které jsou pak zaměřeny na konkrétní úkoly. 

Andrew Spielberg je postgraduálním studentem Laboratoře počítačových věd a umělé inteligence (CSAIL). 

„Měkcí roboti jsou nekonečně-rozměrná stvoření, která se v každém okamžiku ohýbají miliardou různých způsobů, ale ve skutečnosti existují přirozené způsoby, jak se měkké předměty pravděpodobně ohýbají. Zjistíme, že přirozené stavy měkkých robotů lze popsat velmi kompaktně v nízkorozměrném popisu. Optimalizujeme ovládání a návrh měkkých robotů tím, že se naučíme dobrý popis pravděpodobných stavů.“

V simulacích, které proběhly, model umožnil 2D a 3D měkkým robotům plnit cílové úkoly. Úkoly zahrnovaly přesun na různé vzdálenosti a dosahování cílových bodů. Model to dokázal rychleji a přesněji než jiné současné metody. Vědci nyní chtějí model použít ve skutečných měkkých robotech. 

Mezi další osoby, které na projektu pracovaly, patří postgraduální studenti CSAIL, Allan Zhao, Tao Du a Yuanming Hu; Daniel Rus, ředitel CSAIl a profesor elektrotechniky a informatiky Andrew a Erna Viterbi; a Wojciech Matusik, docent elektrotechniky a informatiky na MIT a vedoucí Computational Fabrication Group. 

Soft-robotika je rostoucí obor, který je extrémně důležitý v širším rozsahu pokročilé robotiky. Charakteristiky, jako jsou flexibilní těla, by mohly hrát roli v bezpečnější interakci s lidmi, manipulaci s předměty, manévrovatelnosti a mnoha dalších. 

Během simulací je za řízení robotů zodpovědný „pozorovatel“. „Pozorovatel“ je program, který počítá proměnné, které vidí způsob, jakým se měkký robot pohybuje, aby dokončil úkol. 

Nakonec výzkumníci vyvinuli novou metodu „optimalizace učení ve smyčce“. Všechny optimalizované parametry se učí během jediné zpětnovazební smyčky, která probíhá v rámci více simulací. Metoda se zároveň učí reprezentaci stavu. 

Model využívá techniku ​​zvanou „metoda hmotných bodů (MPM). MPM simuluje chování částic materiálů kontinua, jako jsou pěny a kapaliny, a je obklopeno mřížkou pozadí. Technika je schopna zachytit částice robota a jeho pozorovatelné prostředí do 3D pixelů neboli voxelů. 

Nezpracované informace o mřížce částic jsou poté odeslány do součásti strojového učení. Učí se vkládat obrázek, komprimovat jej do nízkorozměrné reprezentace a poté jej dekomprimovat zpět do vstupního obrázku. 

Naučená komprimovaná reprezentace funguje jako nízkorozměrná reprezentace stavu robota. Komprimované reprezentace se ve fázi optimalizace vrací zpět do regulátoru a vydává vypočítanou akci, jak by se každá částice měla pohybovat v dalším kroku stimulovaném MPM. 

Zároveň regulátor využívá informace k úpravě optimální tuhosti každé částice. Informace o materiálu by mohly být použity pro 3D-tiskové měkké roboty, protože každý bod částic může být vytištěn s různou tuhostí. 

„To umožňuje vytvářet návrhy robotů přizpůsobené pohybům robotů, které budou relevantní pro konkrétní úkoly,“ říká Spielberg. "Když se naučíte tyto parametry společně, udržíte vše co nejvíce synchronizované, aby byl proces návrhu jednodušší."

Výzkumníci doufají, že budou nakonec schopni navrhnout od simulace po výrobu.