RoboGrammar-System automatisiert und optimiert Roboter-Design

Die Form eines Roboters bestimmt, welche Arten von Aufgaben er ausführen kann und in welcher Umgebung er operieren kann. Aufgrund der aktuellen technologischen Einschränkungen gibt es keinen Weg, jede Form zu bauen und zu testen, aber ein neues System, das von Forschern am MIT entwickelt wurde, ermöglicht es, diese vielen Formen zu simulieren. Nach den Simulationen können die besten aus der Gruppe ausgewählt werden.

Das neue System heißt RoboGrammar, und der erste Schritt besteht darin, es über die verfügbaren Roboter-Teile wie Räder und Gelenke zu informieren. Dann geben Sie an, auf welcher Art von Gelände der Roboter operieren wird, aber das ist im Wesentlichen alles. RoboGrammar generiert dann eine optimierte Struktur und ein Steuerprogramm.

Fortschritte im Bereich des Roboter-Designs

Das neue System ist ein großer Schritt vorwärts in einem fortgeschrittenen Bereich, der noch größtenteils manuell ist.

Allan Zhao ist der erste Autor der Forschung und ein PhD-Student im MIT Computer Science and Artificial Intelligence Laboratory (CSAIL).

„Das Roboter-Design ist noch immer ein sehr manueller Prozess“, sagt Zhao. Das RoboGrammar-System ist „ein Weg, um neue, erfinderischere Roboter-Designs zu entwickeln, die möglicherweise effektiver sein könnten“.

Die Forschung soll auf der SIGGRAPH Asia-Konferenz diesen Monat präsentiert werden.

Laut Zhao werden Roboter für alle Arten von Aufgaben gebaut, aber „sie neigen alle dazu, sehr ähnlich in ihrer Gesamtförmigkeit und -gestaltung zu sein. Wenn man an den Bau eines Roboters denkt, der verschiedene Gelände überqueren muss, springt man sofort auf ein Vierbeiner. Wir fragten uns, ob das wirklich das optimale Design ist“.

Das Team glaubte, dass ein neues und innovativeres Design bessere Ergebnisse liefern und die Funktionalität verbessern könnte, und daher erstellten sie ein Computermodell für die Aufgaben. Das System wurde nicht von vorherigen Konventionen beeinflusst, und es wurden einige Regeln angewendet.

Zhao schreibt, dass die Sammlung möglicher Roboter-Formen „hauptsächlich aus unsinnigen Designs besteht. Wenn man die Teile willkürlich verbinden kann, endet man mit einem Wirrwarr“.

https://www.youtube.com/watch?v=JmuLW5So4FU&feature=emb_title

Die Graph-Grammatik

Das Team setzte sich zum Ziel, eine „Graph-Grammatik“ zu entwickeln, die einschränkt, wie die Komponenten des Roboters angeordnet werden können. Dies geschieht nur, damit jedes computer-generierte Design auf grundlegender Ebene funktioniert, mit Einschränkungen wie der Unfähigkeit, Beinsegmente miteinander anstelle von Gelenken zu verbinden.

Zhao wurde von Tieren, insbesondere Arthropoden, inspiriert, als er die Regeln der Graph-Grammatik entwarf.

Arthropoden sind „durch einen zentralen Körper mit einer variablen Anzahl von Segmenten gekennzeichnet. Einige Segmente können Beine haben“, sagt Zhao. „Und wir bemerkten, dass das ausreichend ist, um nicht nur Arthropoden, sondern auch vertrautere Formen zu beschreiben“.

Mithilfe der Graph-Grammatik arbeitet RoboGrammar in drei Schritten. Zuerst definiert es das Problem. Zweitens entwirft es mögliche robotische Lösungen. Drittens wählt es die optimalen aus.

Menschliche Benutzer sind für die Problemdefinition und die Eingabe der verfügbaren robotischen Komponenten wie Motoren, Beine und Verbindungselemente verantwortlich. Der Benutzer gibt auch an, auf welcher Art von Gelände der Roboter operieren wird.

„Das ist der Schlüssel, um sicherzustellen, dass die endgültigen Roboter tatsächlich in der realen Welt gebaut werden können“, sagt Zhao.

Hunderttausende von Strukturen

RoboGrammar verwendet die Regeln der Graph-Grammatik und entwirft hunderttausende möglicher Roboter-Strukturen mit verschiedenen Erscheinungsbildern.

„Es war ziemlich inspirierend für uns, die Vielfalt der Designs zu sehen“, sagt Zhao. „Es zeigt definitiv die Ausdrucksstärke der Grammatik“.

Alle Designs sind jedoch nicht gut, und die Auswahl der besten bedeutet, dass jede Roboter-Bewegung und -Funktion bewertet werden muss.

„Bisher sind diese Roboter nur Strukturen“, sagt Zhao.

Das Team entwickelte einen Controller für jeden Roboter mithilfe eines Algorithmus namens Model Predictive Control, der schnelle Vorwärtsbewegung priorisiert, und dies ist es, was die Strukturen vorantreibt.

„Die Form und der Controller des Roboters sind tief miteinander verknüpft, was der Grund ist, warum wir für jeden gegebenen Roboter einen Controller optimieren müssen“, sagt Zhao.

Die Forscher verwenden dann ein neuronales Netzwerk-Algorithmus, um Hochleistungs-Roboter zu finden. Der Algorithmus sampelt und bewertet verschiedene Roboter-Sätze und lernt, welche Designs für welche Aufgaben funktionieren.

Alles, was bisher erwähnt wurde, geschieht ohne menschliche Intervention.

„Diese Arbeit ist ein Höhepunkt in der 25-jährigen Suche nach der automatischen Gestaltung der Morphologie und Steuerung von Robotern“, sagt Hod Lipson, Maschinenbauingenieur und Computerwissenschaftler an der Columbia University. Er war nicht an der Forschung beteiligt. „Die Idee, Shape-Grammatiken zu verwenden, ist schon länger vorhanden, aber nirgendwo wurde diese Idee so schön umgesetzt wie in dieser Arbeit. Sobald wir Maschinen haben, die Roboter automatisch entwerfen, bauen und programmieren können, sind alle Möglichkeiten offen“.

Laut Zhao ist RoboGrammar „ein Werkzeug für Roboter-Designer, um den Raum der Roboter-Strukturen zu erweitern, auf die sie zurückgreifen“.

Das Team plant nun, einige der Roboter in der realen Welt zu bauen und zu testen, und Zhao sagt, dass das System über das Gelände-Überqueren hinaus in Bereiche wie virtuelle Welten eindringen könnte.

„Angenommen, Sie möchten in einem Videospiel viele Arten von Robotern generieren, ohne dass ein Künstler jeden einzelnen erstellen muss. RoboGrammar würde dafür fast sofort funktionieren“, sagt Zhao.