Weichkörper-Roboter sind mit neuem Deep-Learning-Neural-Netzwerk effizienter

Weichkörper-Roboter sind ein extrem wichtiges Werkzeug im breiteren Bereich der Robotik, da herkömmliche und starrkörperige Roboter nicht in der Lage sind, die gleichen Arten von Aufgaben auszuführen. Ersteres interagiert mit Menschen sicherer, und sie können Dinge wie das Einpassen in enge Räume tun.

Eine der größten Herausforderungen im Zusammenhang mit Weichrobotern besteht darin, dass sie wissen müssen, wo alle ihre Körperteile sind, um programmierte Aufgaben auszuführen, und dies wird schwieriger, da Weichroboter sich auf fast unendliche Weise verformen können.

Jetzt haben Forscher am MIT einen neuen Deep-Learning-Algorithmus entwickelt, der Ingenieuren hilft, Weichroboter so zu entwerfen, dass sie mehr Daten über ihre Umgebung sammeln können. Der Algorithmus funktioniert, indem er eine optimierte Platzierung von Sensoren innerhalb des Roboterkörpers vorschlägt. Dies ermöglicht es ihm, zugewiesene Aufgaben auszuführen, während es mit der Umgebung interagiert.

Alexander Amini ist Co-Autor der Forschung zusammen mit Andrew Spielberg, beide PhD-Studenten am MIT Computer Science and Artificial Intelligence Laboratory. Die Forschung wurde in IEEE Robotics and Automation Letters veröffentlicht, zusammen mit anderen Co-Autoren, einschließlich Lillian Chin, PhD-Studentin, und Wojciech Matusik und Daniela Rus, Professoren an der Universität.

“Das System lernt nicht nur eine gegebene Aufgabe, sondern auch, wie man den Roboter am besten entwirft, um diese Aufgabe zu lösen”, sagt Amini. “Die Platzierung von Sensoren ist ein sehr schwieriges Problem zu lösen. Also ist es sehr aufregend, eine Lösung zu haben.”

https://www.youtube.com/watch?v=MSa7D0FvxqY

Starrkörper-Roboter vs. Weichkörper-Roboter

Einer der größten Vorteile von Starrkörper-Robotern ist, dass sie einen begrenzten Bewegungsbereich haben, und obwohl dies wie ein Nachteil aussieht, bedeutet es, dass die endliche Anzahl von Gelenken und Extremitäten zu besser handhabbaren Berechnungen führt.

Diese Berechnungen sind einfacher zu handhaben, wenn es um Algorithmen zur Kontrolle von Kartierung und Bewegungsplanung geht. Weichroboter können nicht das Gleiche tun, da sie flexibel sind.

“Das Hauptproblem mit Weichrobotern ist, dass sie unendlich dimensionale sind”, sagt Spielberg. “Jeder Punkt auf einem Weichkörper-Roboter kann sich theoretisch auf jede mögliche Weise verformen.”

In der Vergangenheit haben Forscher eine externe Kamera verwendet, um die Position des Roboters zu kartieren, die dann in das Steuerprogramm des Roboters eingespeist wird. Das neue Team suchte nach einer Möglichkeit, einen Weichroboter zu erstellen, der nicht von externer Hilfe abhängig ist.

“Man kann nicht eine unendliche Anzahl von Sensoren auf den Roboter selbst anbringen”, fährt Spielberg fort. “Also ist die Frage: Wie viele Sensoren hat man, und wo setzt man diese Sensoren ein, um den größten Nutzen zu erzielen?”

Die Forscher entwickelten eine neuartige neuronale Netzwerkarchitektur, die die Platzierung von Sensoren optimieren und effizient Aufgaben ausführen kann. Sie teilten den Körper des Roboters in verschiedene Regionen ein, die als “Partikel” bezeichnet werden.

Das neuronale Netzwerk verwendete die Rate der Dehnung jedes Partikels als Eingabe, und durch Trial und Error kann das Netzwerk die effizienteste Sequenz von Bewegungen für eine gegebene Aufgabe lernen. Das Netzwerk behält auch die Partikel im Auge, die häufiger verwendet werden, so dass die Eingaben des Netzwerks angepasst werden können.

Menschliche Fähigkeiten bei der Sensorplatzierung überbieten

Das Netzwerk schlägt die Platzierung von Sensoren auf dem Roboter vor, indem es die wichtigsten Partikel optimiert. In Tests übertraf der Algorithmus die menschlichen Fähigkeiten, wenn es um die Platzierung der Sensoren an den effizientesten Stellen ging.

Der Algorithmus wurde dann gegen eine Reihe von Expertenprognosen getestet.

“Unser Modell übertraf die menschlichen Fähigkeiten bei jeder Aufgabe, obwohl ich mir einige der Roboterkörper ansah und mir sehr sicher war, wo die Sensoren hingehören”, sagt Amini. “Es stellt sich heraus, dass es viele mehr Nuancen in diesem Problem gibt, als wir ursprünglich erwartet hatten.”

Laut Spielberg könnte die neue Entwicklung dazu beitragen, den Entwurfsprozess von Robotern zu automatisieren und neue Algorithmen zur Steuerung von Roboterbewegungen zu entwickeln.

“… wir müssen auch darüber nachdenken, wie wir diese Roboter mit Sensoren ausstatten und wie sich dies mit anderen Komponenten des Systems verbindet”, sagt er. “Das ist etwas, bei dem man ein sehr robustes, optimiertes Gefühl für den Berührungssinn benötigt. Also gibt es das Potenzial für einen sofortigen Einfluss.”

“Die Automatisierung des Entwurfs von Weichrobotern mit Sensoren ist ein wichtiger Schritt auf dem Weg zu intelligenten Werkzeugen, die Menschen bei körperlichen Aufgaben helfen”, sagt Rus. “Die Sensoren sind ein wichtiger Aspekt des Prozesses, da sie es dem Weichroboter ermöglichen, die Welt und seine Beziehung zur Welt zu ‘sehen’ und zu verstehen.”