RoboGrammar-systeem automatiseert en optimaliseert robotontwerp

De vorm van een robot bepaalt welke taken hij kan uitvoeren en in welke omgeving hij kan opereren. Met de huidige technologische beperkingen is het niet mogelijk om elke vorm te bouwen en te testen, maar een nieuw systeem ontwikkeld door onderzoekers aan het MIT maakt het mogelijk om al deze vormen te simuleren. Na de simulaties kunnen de beste worden geselecteerd uit de groep.

Het nieuwe systeem heet RoboGrammar, en de eerste stap is om het te informeren over de beschikbare robotonderdelen, zoals wielen en gewrichten. Vervolgens geeft u aan op welk type terrein de robot zal opereren, maar dat is zo ongeveer alles. RoboGrammar genereert vervolgens een geoptimaliseerde structuur en een besturingsprogramma.

De ontwikkeling van het robotontwerp

Het nieuwe systeem is een grote stap vooruit in een geavanceerd veld dat nog steeds grotendeels handmatig is.

Allan Zhao is de hoofdauteur van het onderzoek en een PhD-student in het MIT Computer Science and Artificial Intelligence Laboratory (CSAIL).

“Het ontwerp van robots is nog steeds een zeer handmatig proces”, zegt Zhao. Het RoboGrammar-systeem is “een manier om nieuwe, meer inventieve robotontwerpen te creëren die potentieel effectiever kunnen zijn.”

Het onderzoek zal deze maand worden gepresenteerd op de SIGGRAPH Asia-conferentie.

Volgens Zhao worden robots gebouwd voor allerlei taken, maar “ze zijn allemaal nogal gelijkend in hun algehele vorm en ontwerp. Wanneer je denkt aan het bouwen van een robot die verschillende terreinen moet kunnen oversteken, spring je meteen naar een quadruped. We vroegen ons af of dat echt het optimale ontwerp is.”

Het team geloofde dat een nieuw en meer innovatief ontwerp betere resultaten kon opleveren en de functionaliteit kon verbeteren, en dat is waarom ze een computermodel voor de taken hebben gebouwd. Het systeem werd niet beïnvloed door eerdere conventies en er werden enkele regels toegepast.

Zhao schrijft dat de verzameling van mogelijke robotvormen “voornamelijk bestaat uit nonsensuele ontwerpen. Als je de onderdelen op willekeurige wijze kunt verbinden, eindig je met een rommeltje.”

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

De grafische grammatica

Het team heeft een “grafische grammatica” ontwikkeld, die beperkingen oplegt aan de manier waarop de componenten van de robot kunnen worden gerangschikt. Dit is alleen om ervoor te zorgen dat elk door de computer gegenereerd ontwerp op een basisniveau werkt, met beperkingen zoals het niet kunnen verbinden van beensegmenten met elkaar in plaats van gewrichten.

Zhao werd geïnspireerd door dieren, met name geleedpotigen, bij het ontwerpen van de regels van de grafische grammatica.

Geleedpotigen zijn “gekenmerkt door een centraal lichaam met een variabel aantal segmenten. Sommige segmenten kunnen benen hebben”, zegt Zhao. “En we zagen dat dat genoeg is om niet alleen geleedpotigen, maar ook meer vertrouwde vormen te beschrijven.”

Met behulp van de grafische grammatica werkt RoboGrammar in drie stappen. Ten eerste, het definieert het probleem. Ten tweede, het ontwerpt mogelijke robotoplossingen. Ten derde, het selecteert de optimale oplossingen.

Mensen zijn verantwoordelijk voor het definiëren van het probleem en het invoeren van de set beschikbare robotonderdelen, zoals motoren, benen en verbindingssegmenten. De gebruiker voert ook in op welk type terrein de robot zal opereren.

“Dat is cruciaal om ervoor te zorgen dat de uiteindelijke robots in de echte wereld kunnen worden gebouwd”, zegt Zhao.

Honderdduizenden structuren

RoboGrammar neemt de regels van de grafische grammatica en ontwerpt honderdduizenden mogelijke robotstructuren, met verschillende uiterlijken.

“Het was voor ons inspirerend om de variatie aan ontwerpen te zien”, zegt Zhao. “Het toont duidelijk de expressiviteit van de grammatica.”

Maar niet alle ontwerpen zijn goed, en het kiezen van de beste betekent dat elke robotbeweging en -functie moet worden geëvalueerd.

“Tot nu toe zijn deze robots alleen maar structuren”, zegt Zhao.

Het team heeft een controller voor elke robot ontwikkeld via een algoritme genaamd Model Predictive Control, dat prioriteit geeft aan snelle voorwaartse beweging, en dat is wat de structuren verder ontwikkelt.

“De vorm en de controller van de robot zijn diep met elkaar verweven, en dat is waarom we voor elke gegeven robot een controller moeten optimaliseren”, zegt Zhao.

De onderzoekers gebruiken vervolgens een neurale netwerk-algoritme om hoge prestaties van robots te vinden. Het algoritme selecteert en evalueert verschillende sets van robots en leert welke ontwerpen voor welke taken werken.

Alles wat tot nu toe is genoemd, gebeurt zonder menselijke interventie.

“Dit werk is een kroon op de 25-jarige zoektocht naar het automatisch ontwerpen van de morfologie en de besturing van robots”, zegt Hod Lipson, mechanisch ingenieur en computerwetenschapper aan de Columbia University. Hij was niet betrokken bij het onderzoek. “Het idee van het gebruik van vorm-grammatica’s is al een tijdje geleden ontstaan, maar nergens is dit idee zo mooi uitgevoerd als in dit werk. Zodra we machines kunnen laten ontwerpen, maken en programmeren van robots zonder menselijke interventie, zijn alle mogelijkheden open.”

Volgens Zhao is RoboGrammar “een instrument voor robotontwerpers om de ruimte van robotstructuren die ze gebruiken te vergroten.”

Het team plant nu om enkele van de robots in de echte wereld te bouwen en te testen, en Zhao zegt dat het systeem verder kan gaan dan terreinoversteking en kan worden toegepast in gebieden zoals virtuele werelden.

“Stel dat je in een videospel veel verschillende soorten robots wilt genereren, zonder dat je een kunstenaar nodig hebt om elke robot te creëren. RoboGrammar zou dat bijna meteen kunnen doen”, zegt Zhao.