Robot Berbodi Lunak Lebih Efisien dengan Jaringan Saraf Tiruan Baru

Robot berbodi lunak adalah alat yang sangat penting dalam bidang robotika, karena robot tradisional dan berbodi kaku tidak dapat menyelesaikan tugas yang sama. Yang pertama berinteraksi dengan manusia lebih aman, dan mereka dapat melakukan hal-hal seperti memasuki ruang yang sempit. 

Salah satu tantangan utama yang terkait dengan robot lunak adalah bahwa mereka harus mengetahui posisi semua bagian tubuh mereka untuk menyelesaikan tugas yang diprogram, dan ini menjadi lebih sulit karena robot lunak dapat berubah bentuk dalam cara yang hampir tak terbatas.

Sekarang, peneliti di MIT telah mengembangkan algoritma pembelajaran dalam yang baru yang membantu insinyur merancang robot lunak dengan cara yang memungkinkan mereka mengumpulkan lebih banyak data tentang lingkungan sekitar. Algoritma ini bekerja dengan menyarankan penempatan sensor yang dioptimalkan di dalam tubuh robot. Ini memungkinkan robot untuk menyelesaikan tugas yang ditugaskan sambil berinteraksi dengan lingkungan.

Alexander Amini adalah salah satu penulis utama penelitian ini, bersama dengan Andrew Spielberg, keduanya adalah mahasiswa PhD di MIT Computer Science and Artificial Intelligence Laboratory. Penelitian ini dipublikasikan di IEEE Robotics and Automation Letters bersama dengan penulis lainnya, termasuk Lillian Chin, mahasiswa PhD, dan Wojciech Matusik dan Daniela Rus, profesor di universitas tersebut.

“Sistem ini tidak hanya belajar tugas yang diberikan, tetapi juga bagaimana merancang robot untuk menyelesaikan tugas tersebut,” kata Amini. “Penempatan sensor adalah masalah yang sangat sulit untuk dipecahkan. Jadi, memiliki solusi ini sangat menggembirakan.”

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

Robot Kaku vs Robot Lunak

Salah satu kelebihan utama robot kaku adalah bahwa mereka memiliki rentang gerak yang terbatas, dan meskipun ini tampak seperti kelemahan, ini berarti bahwa jumlah sendi dan anggota tubuh yang terbatas menghasilkan perhitungan yang lebih mudah dikelola.

Perhitungan ini lebih mudah dikerjakan ketika datang ke algoritma yang mengontrol pemetaan dan perencanaan gerak. Robot lunak tidak dapat melakukan hal yang sama karena mereka fleksibel.

“Masalah utama dengan robot lunak adalah bahwa mereka memiliki dimensi yang tak terhingga,” kata Spielberg. “Setiap titik pada robot berbodi lunak dapat, secara teori, berubah bentuk dalam cara apa pun yang mungkin.”

Di masa lalu, peneliti telah menggunakan kamera eksternal untuk memetakan posisi robot, yang kemudian diberikan kembali ke program kontrol robot. Tim baru mencari cara untuk membuat robot lunak yang tidak bergantung pada bantuan eksternal.

“Anda tidak dapat meletakkan jumlah sensor yang tak terhingga pada robot itu sendiri,” lanjut Spielberg. “Jadi, pertanyaannya adalah: Berapa banyak sensor yang Anda miliki, dan di mana Anda meletakkan sensor-sensor tersebut untuk mendapatkan hasil yang maksimal?”

Peneliti telah mengembangkan arsitektur jaringan saraf yang baru yang dapat mengoptimalkan penempatan sensor dan belajar untuk menyelesaikan tugas dengan efisien. Mereka pertama-tama membagi tubuh robot menjadi wilayah yang berbeda yang disebut “partikel”. 

Jaringan saraf menggunakan laju regangan setiap partikel sebagai input, dan melalui trial dan error, jaringan dapat belajar urutan gerakan yang paling efisien untuk tugas yang diberikan. Jaringan juga melacak partikel mana yang digunakan lebih dari yang lain sehingga input jaringan dapat disesuaikan.

Mengungguli Manusia dalam Penempatan Sensor

Jaringan menyarankan penempatan sensor pada robot dengan mengoptimalkan partikel yang paling penting. Dalam tes, algoritma ini mengungguli manusia dalam menemukan tempat yang paling efisien untuk meletakkan sensor.

Algoritma ini kemudian diuji melawan serangkaian prediksi ahli.

“Model kami jauh mengungguli manusia untuk setiap tugas, bahkan ketika saya melihat beberapa tubuh robot dan merasa sangat percaya diri tentang di mana sensor harus ditempatkan,” kata Amini. “Ternyata ada banyak hal yang lebih halus dalam masalah ini daripada yang kita harapkan.”

Menurut Spielberg, pengembangan baru ini dapat membantu mengotomatisasi proses desain robot dan membantu mengembangkan algoritma baru untuk mengontrol gerakan robot. 

 “…kita juga perlu memikirkan bagaimana kita akan memberikan sensor pada robot-robot ini, dan bagaimana itu akan berinteraksi dengan komponen lain dari sistem tersebut,” katanya. “Itu adalah sesuatu yang memerlukan sentuhan yang sangat kuat dan dioptimalkan dengan baik. Jadi, ada potensi untuk dampak langsung.”

“Mengotomatisasi desain robot lunak yang disensorisasi adalah langkah penting untuk menciptakan alat cerdas yang dapat membantu orang dengan tugas fisik,” kata Rus. “Sensor-sensor tersebut adalah aspek penting dari proses ini, karena mereka memungkinkan robot lunak untuk ‘melihat’ dan memahami dunia dan hubungannya dengan dunia.”