Výzkumníci vyvinuli novou metodu pro řízení měkkých robotů

Výzkumníci z Massachusettského technologického institutu vyvinuli způsob, jak lépe řídit a navrhnout měkké roboty pro provádění cílových úkolů. To je dlouholetý cíl v oblasti měkké robotiky a je to velký úspěch.

Měkké roboty mají flexibilní těla, která jsou schopna se pohybovat nekonečným počtem způsobů v jakémkoli okamžiku. Z hlediska výpočtu je to vysoce komplexní “reprezentace stavu”, která popisuje pohyby každé části robota. Tyto pohyby mohou mít miliony dimenzí, což znamená, že je obtížnější vypočítat nejlepší způsob, jak robot dokončí složitý cíl.

Výzkumníci z MIT budou prezentovat model na Konferenci o zpracování neuronových informací v prosinci. Model je schopen naučit se kompaktní, nebo “nízkorozměrnou” reprezentaci stavu, která je založena na fyzice robota, prostředí a dalších faktorech. Model je poté schopen optimalizovat řízení pohybu a parametry návrhu materiálu, které jsou zaměřeny na konkrétní úkoly.

Andrew Spielberg je doktorand v Laboratoři počítačové vědy a umělé inteligence (CSAIL).

“Měkké roboty jsou nekonečnědimenzionální tvorové, kteří se ohýbají milionem různých způsobů v jakémkoli okamžiku, ale ve skutečnosti existují přirozené způsoby, jakými se měkké objekty ohýbají. My najdeme přirozené stavy měkkých robotů, které lze popsat velmi kompaktně v nízkorozměrném popisu. My optimalizujeme řízení a návrh měkkých robotů tak, že se učíme dobrý popis pravděpodobných stavů.”

V simulacích, které proběhly, model umožnil 2D a 3D měkkým robotům dokončit cílové úkoly. Úkoly zahrnovaly pohyb na různé vzdálenosti a dosažení cílových míst. Model byl schopen tyto úkoly dokončit rychleji a přesněji než ostatní současné metody. Výzkumníci nyní chtějí použít model v reálných měkkých robotech.

Dalšími osobami, které pracovaly na projektu, jsou doktorandi CSAIL Allan Zhao, Tao Du a Yuanming Hu; Daniel Rus, ředitel CSAIL a profesor elektrotechniky a počítačové vědy; a Wojciech Matusik, docent elektrotechniky a počítačové vědy na MIT a vedoucí Skupiny počítačové výroby.

Měkká robotika je rostoucí oblast, která je velmi důležitá v širším rámci pokročilé robotiky. Charakteristiky, jako jsou flexibilní těla, mohou hrát roli v bezpečnější interakci s lidmi, manipulaci s objekty, manévrovatelnosti a mnohem více.

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

Nakonec výzkumníci vyvinuli novou metodu “učení v smyčce optimalizace”. Všechny optimalizované parametry se učí během jediné zpětné vazby, která probíhá přes několik simulací. Současně se metoda učí reprezentaci stavu.

Model používá techniku nazvanou “metoda materiálového bodu (MPM)”. MPM simuluje chování částic kontinuálních materiálů, jako jsou pěny a kapaliny, a je obklopen pozadí mřížkou. Technika je schopna zachytit částice robota a jeho pozorovatelné prostředí do 3D pixelů, nebo voxelů.

Surová informace o mřížce částic se poté posílá do součásti strojového učení. Ta se učí vstupní obraz, komprimuje ho do nízkorozměrného popisu a poté dekompriumuje zpět do vstupního obrazu.

Naučený komprimovaný popis slouží jako nízkorozměrná reprezentace stavu robota. Komprimované popisy se vracejí do kontroléru ve fázi optimalizace a výstupem je vypočítaná akce, jak by se měla každá částice pohybovat v následujícím kroku simulace MPM.

Současně kontrolér používá informace k úpravě optimální tuhosti každé částice. Informace o materiálu by mohly být použity pro 3D tisk měkkých robotů, protože každá částice může být vytisknuta s jinou tuhostí.

“To umožňuje vytvářet návrhy robotů přizpůsobené pohybům, které budou relevantní pro konkrétní úkoly,” říká Spielberg. “Způsobením, že se všechny parametry učí společně, můžete udržet vše synchronizované, aby byl návrhový proces co nejjednodušší.”

Výzkumníci doufají, že budou moci navrhnout robota od simulace po výrobu.