Forscher entwickeln neue Methode zur Steuerung von Weichrobotern

Forscher des Massachusetts Institute of Technology haben eine Möglichkeit gefunden, Weichroboter besser zu steuern und zu entwerfen, um Zielgaben auszuführen. Dies ist ein langfristiges Ziel in der Weichrobotik und eine große Leistung.

Weichroboter haben flexible Körper, die in der Lage sind, sich auf unendlich viele Arten zu bewegen, zu jedem gegebenen Zeitpunkt. In Bezug auf die Berechnung ist dies eine hochkomplexe “Zustandsdarstellung”, die die Bewegungen jedes Teils des Roboters beschreibt. Diese können möglicherweise Millionen von Dimensionen haben, was bedeutet, dass es schwieriger ist, die beste Möglichkeit für einen Roboter zu berechnen, um komplexe Zielgaben auszuführen.

Die MIT-Forscher werden im Dezember auf der Konferenz über Neuronale Informationsverarbeitungssysteme ein Modell vorstellen. Das Modell kann eine kompakte oder “niedrigdimensionale” Zustandsdarstellung lernen, die auf der Physik des Roboters, der Umgebung und anderen Faktoren basiert. Das Modell kann dann die Bewegungssteuerung und die Materialentwurfsparameter optimieren, die auf bestimmte Aufgaben abzielen.

Andrew Spielberg ist ein Doktorand im Computer Science and Artificial Intelligence Laboratory (CSAIL).

“Weichroboter sind unendlich dimensionale Kreaturen, die sich auf unendlich viele Arten biegen können, zu jedem gegebenen Zeitpunkt, aber in Wirklichkeit gibt es natürliche Weisen, wie weiche Objekte wahrscheinlich biegen. Wir finden, dass die natürlichen Zustände von Weichrobotern sehr kompakt in einer niedrigdimensionalen Beschreibung dargestellt werden können. Wir optimieren die Steuerung und den Entwurf von Weichrobotern, indem wir eine gute Beschreibung der wahrscheinlichen Zustände lernen.”

In den Simulationen, die stattfanden, ermöglichte das Modell 2D- und 3D-Weichrobotern, Zielgaben auszuführen. Die Aufgaben umfassten das Bewegen über verschiedene Entfernungen und das Erreichen von Zielorten. Das Modell konnte dies schneller und genauer als andere aktuelle Methoden ausführen. Die Forscher möchten nun das Modell in echten Weichrobotern verwenden.

Andere Personen, die an dem Projekt arbeiteten, sind CSAIL-Doktoranden Allan Zhao, Tao Du und Yuanming Hu; Daniel Rus, Leiter von CSAIL und Professor für Elektrotechnik und Informatik; und Wojciech Matusik, ein MIT-Associate-Professor für Elektrotechnik und Informatik und Leiter der Computational Fabrication Group.

Weichrobotik ist ein wachsendes Feld, das innerhalb des größeren Bereichs der fortschrittlichen Robotik sehr wichtig ist. Eigenschaften wie flexible Körper können eine Rolle bei der sichereren Interaktion mit Menschen, der Objektmanipulation, der Manövrierfähigkeit und vielem mehr spielen.

Während der Simulationen ist ein “Beobachter” für die Steuerung der Roboter verantwortlich. Ein “Beobachter” ist ein Programm, das Variablen berechnet, die die Art und Weise sehen, wie der Weichroboter sich bewegt, um eine Aufgabe auszuführen.

Schließlich entwickelten die Forscher eine neue “Lernen-in-der-Schleife-Optimierungsmethode”. Alle optimierten Parameter werden während einer einzigen Rückkopplungsschleife gelernt, die über mehrere Simulationen stattfindet. Gleichzeitig lernt die Methode die Zustandsdarstellung.

Das Modell verwendet eine Technik namens “Materialpunkt-Methode (MPM)”. Eine MPM simuliert das Verhalten von Partikeln von Kontinuum-Materialien, wie Schaum und Flüssigkeiten, und es wird von einem Hintergrundgitter umgeben. Die Technik kann die Partikel des Roboters und seine beobachtbare Umgebung in 3D-Pixel oder Voxel erfassen.

Die rohe Partikelgitter-Information wird dann an eine maschinelle Lernkomponente gesendet. Sie lernt, ein Bild einzugeben, es in eine niedrigdimensionale Darstellung zu komprimieren und es dann wieder in das Eingabebild zu dekomprimieren.

Die gelernte komprimierte Darstellung wirkt als die niedrigdimensionale Zustandsdarstellung des Roboters. Die komprimierte Darstellung schließt sich in einer Optimierungsphase wieder in den Controller ein und gibt eine berechnete Aktion aus, wie jede Partikel sich in dem nächsten MPM-stimulierten Schritt bewegen soll.

Gleichzeitig verwendet der Controller die Information, um die optimale Steifigkeit jeder Partikel anzupassen. Die Materialinformation kann für das 3D-Drucken von Weichrobotern verwendet werden, da jeder Partikelort mit unterschiedlicher Steifigkeit gedruckt werden kann.

“Dies ermöglicht die Erstellung von Robot-Designs, die auf die Robot-Bewegungen abgestimmt sind, die für bestimmte Aufgaben relevant sind”, sagt Spielberg. “Indem wir diese Parameter zusammen lernen, halten wir alles so synchronisiert wie möglich, um den Entwurfsprozess zu erleichtern.”

Die Forscher hoffen, dass sie schließlich in der Lage sein werden, von der Simulation zur Fertigung zu entwerfen.