RoboGrammar-systemet automatiserer og optimaliserer robotdesign

Formen på en robot bestemmer hvilke typer oppgaver den kan utføre og hvilke miljøer den kan operere i. Med nåværende tekniske begrensninger, finnes det ingen måte å bygge og teste hver enkelt form, men et nytt system utviklet av forskere ved MIT, gjør det mulig å simulere mange former. Etter simuleringsforsøkene, kan de beste blant dem plukkes ut av gruppen.

Det nye systemet kalles RoboGrammar, og det første steget er å informere det om hvilke typer robotdelene som er tilgjengelige, som for eksempel hjul og ledd. Deretter indikerer du typen terreng roboten vil operere på, men det er grundig det. RoboGrammar genererer deretter en optimal struktur og kontrollprogram.

Fremme av robotdesignfeltet

Det nye systemet er et stort skritt fremover i et avansert felt som fortsatt er hovedsakelig manuelt.

Allan Zhao er hovedforfatter av forskningen og en PhD-student ved MIT Computer Science and Artificial Intelligence Laboratory (CSAIL).

“Robotdesign er fortsatt en svært manuell prosess,” sier Zhao. RoboGrammar-systemet er “en måte å komme opp med nye, mer oppfinnsomme robotdesign som potensielt kan være mer effektive.”

Forskningen skal presenteres på SIGGRAPH Asia-konferansen denne måneden.

Ifølge Zhao, bygges roboter for alle mulige oppgaver, men “de tenderer alle til å være svært like i sin overordnede form og design. Når du tenker på å bygge en robot som må krysse ulike terreng, hopper du umiddelbart til en firedoblet. Vi lurte på om det virkelig er den optimale designen.”

Teamet trodde at en ny og mer innovativ design kunne produsere bedre resultater og forbedre funksjonaliteten, og det er derfor de konstruerte en datamodell for oppgavene. Systemet var ikke påvirket av tidligere konvensjoner og det var noen regler som ble brukt.

Zhao skriver at samlingen av mulige robotformer “i hovedsak består av meningsløse design. Hvis du bare kan koble delene sammen på vilkårlig måte, ender du opp med en rot.”

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

Graph-grammatikken

Teamet satte ut til å utvikle en “graph-grammatikk” som begrenser hvordan robotens komponenter kan arrangeres. Dette er bare for at hver datagenerert design fungerer på et grunnleggende nivå, med begrensninger som for eksempel ikke å kunne koble leggsegmenter med hverandre i stedet for ledd.

Zhao ble inspirert av dyr, spesielt leddyr, da han designet reglene for graph-grammatikken.

Leddyr er “karakterisert ved å ha en sentral kropp med en variabel mengde segmenter. Noen segmenter kan ha ben festet,” sier Zhao. “Og vi merket at det er nok til å beskrive ikke bare leddyr, men også mer kjente former.”

Med å bruke graph-grammatikken, opererer RoboGrammar i tre trinn. Først definerer det problemet. Deretter designer det mulige robotløsninger. Til slutt velger det de optimale løsningene.

Menneskelige brukere er ansvarlige for å definere problemet og å angi settet med tilgjengelige robotkomponenter, som for eksempel motorer, ben og koblingssegmenter. Brukeren angir også hvilken type terreng roboten vil operere på.

“Det er nøkkel til å sikre at de endelige robotene faktisk kan bygges i den virkelige verden,” sier Zhao.

Hundretusener av strukturer

RoboGrammar tar graph-grammatikkreglene og designer hundretusener av mulige robotstrukturer, med ulike utseender.

“Det var ganske inspirerende for oss å se variasjonen av design,” sier Zhao. “Det viser definitivt uttrykksfullheten til grammatikken.”

Men ikke alle design er gode, og å velge det beste betyr at hver robots bevegelser og funksjoner må vurderes.

“Inntil nå, er disse robotene bare strukturer,” sier Zhao.

Teamet utviklet en kontroller for hver robot gjennom en algoritme kalt Model Predictive Control, som prioriterer rask fremoverbevegelse, og dette er hva som fremmer strukturerna.

“Formen og kontrolleren til roboten er dypt sammenknyttet, og det er derfor vi må optimere en kontroller for hver gitt robot individuelt,” sier Zhao.

Forskerne utviklet deretter en neural nettverksalgoritme for å finne høytytende roboter. Algoritmen sampler og vurderer ulike sett med roboter og lærer hvilke design som fungerer for hvilke oppgaver.

Alt nevnt inntil nå skjer uten menneskelig inngripen.

“Dette arbeidet er en kronende prestasjon i den 25-årige jakten på å automatisk designe morfologien og kontrollen til roboter,” sier Hod Lipson, mekanisk ingeniør og datavitenskapsmann ved Columbia University. Han var ikke involvert i forskningen. “Idéen om å bruke shape-grammatikk har vært rundt i en stund, men ingen steder har denne idéen blitt gjennomført så vakkert som i dette arbeidet. Når vi kan få maskiner til å designe, bygge og programmere roboter automatisk, er alle muligheter åpne.”

Ifølge Zhao, er RoboGrammar “et verktøy for robotdesignere til å utvide rommet av robotstrukturer de trekker på.”

Teamet planlegger nå å bygge og teste noen av robotene i den virkelige verden, og Zhao sier at systemet kunne gå utenfor terrengkryssing og inn i områder som virtuelle verdener.

“La oss si at du i et videospill ønsker å generere mange typer roboter, uten å ha en kunstner til å lage hver enkelt. RoboGrammar ville fungere for det nesten umiddelbart,” sier Zhao.