Robotyka i fizyczna AI

Nowy model bada ruchy o wysokiej prędkości u gepardów, przybliżając nas do robotów dwunożnych

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Gepardy są najszybszymi ssakami lądowymi, ale nadal nie wiemy dokładnie, dlaczego. Mamy wgląd w to, jak to robią, na przykład używając “galopującego” chodu przy największych prędkościach, i mają dwa różne typy “lotu”. Pierwszy obejmuje ich przednie i tylne łapy pod ciałem i nazywa się “zebranym lotem”, podczas gdy drugi obejmuje ich przednie i tylne łapy rozciągnięte i nazywa się “rozszerzonym lotem”.

Rozszerzony lot jest odpowiedzialny za umożliwienie gepardom osiągnięcia wysokich prędkości, ale dokładnie, jak szybko, zależy od sił działających na podłoże i konkretnych warunków. Gepardy również wykazują znaczące ruchy kręgosłupa podczas lotu, gdy naprzemiennie zginają i prostują w trybach zebranym i rozszerzonym, co pozwala na lokomocję o wysokiej prędkości. Pomimo tej wiedzy, nadal nie rozumieją wielu rzeczy dotyczących dynamiki odpowiedzialnej za te zdolności.

Fazy biegu u zwierząt

Dr Tomoya Kamimura z Nagoya Institute of Technology w Japonii specjalizuje się w inteligentnych mechanikach i lokomocji.

“Wszystkie zwierzęce biegi składają się z fazy lotu i fazy postoju, z różnymi dynamikami rządzącymi każdą fazą”, wyjaśnia dr Kamimura.

Faza lotu obejmuje wszystkie łapy w powietrzu i środek masy całego ciała, który wykazuje ruchy balistyczne. Podczas fazy postoju siły reakcji podłoża są pochłaniane przez ciało przez łapy.

“Ze względu na tak złożoną i hybrydową dynamikę, obserwacje mogą nas doprowadzić tylko do pewnego punktu w odkrywaniu mechanizmów leżących u podstaw dynamiki biegu zwierząt”, kontynuuje dr Kamimura.

Modelowanie komputerowe daje wgląd

Aby lepiej zrozumieć dynamiczną perspektywę chodu zwierząt i ruchu kręgosłupa podczas biegu, naukowcy polegali na modelowaniu komputerowym z prostymi modelami, co okazało się bardzo skuteczne.

Jednakże, jak dotąd, niewiele badań dotyczyło typów lotu i ruchu kręgosłupa, które występują podczas galopowania, więc zespół badawczy podjął się studium opublikowanego w Scientific Reports, opierając się na prostym modelu, który naśladuje ruchy pionowe i kręgosłupa.

Studium zespołu obejmowało dwuwymiarowy model składający się z dwóch sztywnych ciał i dwóch bezwładnych prętów, które reprezentowały nogi geparda. Ciała były połączone stawem, który naśladował zginanie kręgosłupa, oraz sprężyną skrętną. Zespół również nadał identyczne role dynamiczne przednim i tylnym nogom.

Zespół rozwiązał uproszczone równania ruchu, które rządziły modelem, co doprowadziło do sześciu możliwych okresowych rozwiązań, z których dwa przypominały dwa różne typy lotu, jak gepard galopujący, a cztery przypominały tylko jeden typ lotu, niepodobny do gepardów. Były one oparte na kryteriach związanych z siłami reakcji podłoża, które zostały dostarczone przez rozwiązania.

Kryteria zostały następnie zweryfikowane z pomiarowymi danymi gepardów, a zespół stwierdził, że galopowanie gepardów w świecie rzeczywistym spełniało kryterium dla dwóch typów lotu poprzez zginanie kręgosłupa.

To wszystko doprowadziło do tego, że naukowcy uzyskali nowe spojrzenie na prędkość gepardów. Okresowe rozwiązania również ujawniły, że galopowanie koni obejmuje zebrany lot jako wynik ograniczonego ruchu kręgosłupa, co oznacza, że ekstremalnie wysokie prędkości osiągane przez gepardy są wynikiem dodatkowego rozszerzonego lotu i zginania kręgosłupa.

“Chociaż mechanizm leżący u podstaw tej różnicy w typach lotu między gatunkami zwierząt wciąż pozostaje niejasny, nasze odkrycia poszerzają zrozumienie dynamicznych mechanizmów leżących u podstaw lokomocji o wysokiej prędkości u gepardów. Ponadto, mogą one być zastosowane w mechanicznym i kontrolnym projekcie robotów dwunożnych w przyszłości”, mówi dr Kamimura.

Alex kieruje operacjami informacyjnymi Unite.AI opartymi na sztucznej inteligencji, łącząc dziennikarstwo, badania i automatyzację, aby wspierać terminowe i skalowalne relacjonowanie sztucznej inteligencji. Jego praca pomaga zapewnić, że nowe osiągnięcia w dziedzinie AI są prezentowane efektywnie, przy jednoczesnym zachowaniu standardów redakcyjnych publikacji.