Robotikk og fysisk AI

Ny modell utforsker høyhastighetsbevegelse hos geparder, og bringer oss nærmere leggede roboter

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Geparder er de raskeste landlevende dyrene, men vi vet fortsatt ikke eksakt hvorfor. Vi har innsikt i hvordan, som bruk av en “galloperende” gange ved deres raskeste hastigheter, og de har to forskjellige typer “flytting”. Den første involverer deres forlemmer og baklemmer under kroppen og kalles “samlet flytting”, mens den andre involverer deres forlemmer og baklemmer strekt ut og kalles “utvidet flytting”.

Den utvidede flyttingen er ansvarlig for å ermögå geparder å nå høye hastigheter, men eksakt hvor raskt avhenger av bakkekrefter og bestemte forhold. Geparder viser også merkbart ryggbevegelse under flytting mens de veksler mellom å bøye og strekke i samlet og utvidet modus, og dette tillater høyhastighetslokomosjon. Til tross for all denne kunnskapen, forstår vi fortsatt ikke mye om de dynamiske mekanismene som er ansvarlige for disse evnene.

Løpefaser hos dyr

Doktor Tomoya Kamimura ved Nagoya Institute of Technology, Japan, spesialiserer seg i intelligente mekanismer og lokomosjon.

“All dyreløping utgjør en flytfase og en ståfase, med forskjellige dynamikker som styrer hver fase,” forklarer doktor Kamimura.

Flytfasen involverer alle føtter som er i luften og kroppens massesentrum som utviser ballistisk bevegelse. Under ståfasen absorberes bakkereaksjonskreftene av kroppen gjennom føttene.

“På grunn av slike komplekse og hybrid-dynamikker, kan observasjoner bare bringe oss så langt i å avdekke mekanismene som ligger til grunn for dyrenes løpedynamikk,” fortsetter doktor Kamimura.

Datamodellering bringer innsikt

For å få en bedre forståelse av den dynamiske perspektivet på dyrgangen og ryggbevegelse under løping, har forskerne avhengig av datamodellering med enkle modeller, og det har vært ekstremt suksessfullt.

Det er imidlertid ennå ikke mange studier som utforsker typene flytting og ryggbevegelse som skjer under galloping, så forskningsteamet tok på seg en studie som ble publisert i Scientific Reports, som avhenger av en enkel modell som etterligner vertikal og ryggbevegelse.

Teamets studie involverte en todimensjonal modell bestående av to stive legemer og to massløse stenger, som representerte gepardens ben. Legemene var koblet sammen med en ledd, som repliserte ryggens bøyning, og en torsjonsfjær. Teamet tildelte også identiske dynamiske roller til for- og bakbenene.

Teamet løste de forenklede bevegelseslikningene som styrte modellen, som ledet til seks mulige periodiske løsninger, hvorav to lignet på to forskjellige flyttingstyper, som en gepard som galloperer, og fire ligner bare en flyttingstype, i motsetning til geparder. Disse var basert på kriterier relatert til bakkereaksjonskreftene, som ble gitt av løsningene.

Kriteriet ble deretter verifisert med målte geparddata, og teamet fant at gepardens galloping i den virkelige verden tilfredsstiller kriteriet for to flyttingstyper gjennom ryggens bøyning.

All dette ledet til at forskerne fikk ny innsikt i gepardens hastighet. De periodiske løsningene avslørte også at hestens galloping involverer samlet flytting som et resultat av begrenset ryggbevegelse, noe betyr at de ekstremt høye hastighetene som gepardene når, er et resultat av ekstra utvidet flytting og ryggbevegelse.

” Mens mekanismen som ligger til grunn for denne forskjellen i flyttingstyper mellom dyrearter fortsatt er uklar, utvider våre funn forståelsen av de dynamiske mekanismene som ligger til grunn for høyhastighetslokomosjon hos geparder. Videre kan de bli brukt til den mekaniske og kontroll-designen av leggede roboter i fremtiden,” sier doktor Kamimura.

Alex leder Unite.AI sine AI-drevne nyhetsoperasjoner, og kombinerer journalistikk, forskning og automatisering for å støtte rettidig og skalerbar dekning av kunstig intelligens. Arbeidet hans bidrar til å sikre at fremvoksende AI‑utviklinger blir fremhevet effektivt, samtidig som publikasjonens redaksjonelle standarder opprettholdes.