Zachte robotlichamen zijn efficiënter met nieuwe diepe leerneuronale netwerken

Zachte robotlichamen zijn een extreem belangrijk instrument in het bredere veld van robotica, omdat traditionele en starre robotlichamen niet in staat zijn om dezelfde soort taken uit te voeren. De eerste interacteert veiliger met mensen en kan dingen doen zoals in smalle ruimtes passen.

Een van de grote uitdagingen bij zachte robots is dat ze moeten weten waar al hun lichaamsdelen zijn om geprogrammeerde taken uit te voeren, en dit wordt moeilijker naarmate zachte robots op bijna oneindig veel manieren kunnen vervormen.

Nu hebben onderzoekers aan het MIT een nieuwe diepe leer-algoritme ontwikkeld dat ingenieurs helpt bij het ontwerpen van zachte robots op een manier die het mogelijk maakt om meer gegevens over hun omgeving te verzamelen. Het algoritme werkt door een geoptimaliseerde plaatsing van sensoren binnen het lichaam van de robot voor te stellen. Dit maakt het mogelijk om toegewezen taken uit te voeren terwijl het interacteert met de omgeving.

Alexander Amini is co-auteur van het onderzoek, samen met Andrew Spielberg, beiden PhD-studenten in het MIT Computer Science and Artificial Intelligence Laboratory. Het onderzoek werd gepubliceerd in IEEE Robotics and Automation Letters met andere co-auteurs, waaronder Lillian Chin, PhD-student, en Wojciech Matusik en Daniela Rus, professoren aan de universiteit.

“Het systeem leert niet alleen een bepaalde taak, maar ook hoe het robotontwerp het beste kan worden ontworpen om die taak op te lossen,” zegt Amini. “Sensorplaatsing is een zeer moeilijk probleem om op te lossen. Het hebben van een oplossing is dus extreem spannend.”

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

Stijve vs. zachte robots

Een van de grootste voordelen van stijve robots is dat ze een beperkt bereik van beweging hebben, en hoewel dit een nadeel lijkt, betekent het dat het eindige aantal gewrichten en ledematen leidt tot beter beheersbare berekeningen.

Deze berekeningen zijn gemakkelijker te werken met als het gaat om algoritmen die mapping en motion planning controleren. Zachte robots kunnen dit niet doen omdat ze flexibel zijn.

“Het hoofdprobleem met zachte robots is dat ze oneindig dimensionaal zijn,” zegt Spielberg. “Elk punt op een zacht lichaam kan in theorie op elke mogelijke manier vervormen.”

In het verleden hebben onderzoekers een externe camera gebruikt om de positie van de robot in kaart te brengen, die vervolgens wordt doorgegeven aan het controleprogramma van de robot. Het nieuwe team zocht naar een manier om een zachte robot te maken die niet afhankelijk is van externe hulp.

“Je kunt niet een oneindig aantal sensoren op de robot zelf plaatsen,” gaat Spielberg verder. “Dus de vraag is: hoeveel sensoren heb je, en waar plaats je die sensoren om het meeste uit je geld te halen?”

De onderzoekers ontwikkelden een nieuw neuronaal netwerkarchitectuur dat sensorplaatsingen kan optimaliseren en efficiënt taken kan uitvoeren. Ze splitsten het lichaam van de robot op in verschillende regio’s genaamd “deeltjes”.

Het neuronaal netwerk gebruikte elke deeltjesvervormingssnelheid als invoer, en door trial en error, kan het netwerk leren welke de meest efficiënte volgorde van bewegingen is voor een bepaalde taak. Het netwerk houdt ook bij welke deeltjes vaker worden gebruikt dan anderen, zodat de invoer van het netwerk kan worden aangepast.

Beter presteren dan mensen bij sensorplaatsing

Het netwerk stelt de plaatsing van sensoren op de robot voor door de meest belangrijke deeltjes te optimaliseren. In tests presteerde het algoritme beter dan mensen bij het vinden van de meest efficiënte plaatsen om sensoren te plaatsen.

Het algoritme werd vervolgens getest tegen een reeks expertvoorspellingen.

“Ons model presteerde veel beter dan mensen voor elke taak, zelfs toen ik naar sommige robotlichamen keek en me zeer zeker voelde over waar de sensoren moesten worden geplaatst,” zegt Amini. “Het blijkt dat er veel meer subtiele aspecten zijn in dit probleem dan we aanvankelijk verwachtten.”

Volgens Spielberg kan de nieuwe ontwikkeling helpen bij het automatiseren van het ontwerpproces van robots en het helpen bij het ontwikkelen van nieuwe algoritmen om robotbewegingen te controleren.

“…we moeten ook nadenken over hoe we deze robots gaan sensoriseren en hoe dat zal samenwerken met andere componenten van dat systeem,” zegt hij. “Dat is iets waar je een zeer robuust, goed geoptimaliseerd gevoel voor nodig hebt. Dus, er is potentieel voor onmiddellijke impact.”

“Het automatiseren van het ontwerp van zachte robots met sensoren is een belangrijke stap naar het snel creëren van intelligente tools die mensen helpen bij fysieke taken,” zegt Rus. “De sensoren zijn een belangrijk aspect van het proces, omdat ze de zachte robot in staat stellen ‘te zien’ en de wereld en hun relatie met de wereld te begrijpen.”