O sistema RoboGrammar automatiza e otimiza o design do robô

A forma de um robô determina quais tipos de tarefas ele pode executar e o ambiente em que pode operar. Com as limitações tecnológicas atuais, não há como construir e testar cada forma, mas um novo sistema desenvolvido por pesquisadores do MIT permite essas várias formas a ser simulado. Após as simulações, o melhor deles pode ser escolhido do grupo.

O novo sistema se chama RoboGrammar, e o primeiro passo é informar quais tipos de peças do robô estão disponíveis, como rodas e articulações. Você então indica o tipo de terreno em que o robô irá operar, mas é basicamente isso. O RoboGrammar então gera uma estrutura otimizada e um programa de controle.

Avançando no campo do design robótico

O novo sistema é um grande avanço em um campo avançado que ainda é principalmente manual.

Allan Zhao é o principal autor da pesquisa e aluno de doutorado no Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL) do MIT.

“O design do robô ainda é um processo muito manual”, diz Zhao. O sistema RoboGrammar é “uma maneira de criar designs de robôs novos e mais inventivos que podem ser potencialmente mais eficazes”.

A pesquisa está programada para ser apresentada na conferência SIGGRAPH Asia neste mês.

De acordo com Zhao, os robôs são construídos para todos os tipos de tarefas, mas “todos eles tendem a ser muito semelhantes em sua forma geral e design. Quando você pensa em construir um robô que precisa atravessar vários terrenos, você salta imediatamente para um quadrúpede. Estávamos nos perguntando se esse é realmente o design ideal.”

A equipe acreditava que um design novo e mais inovador poderia produzir melhores resultados e melhorar a funcionalidade, por isso construiu um modelo de computador para as tarefas. O sistema não foi influenciado por convenções anteriores e algumas regras foram aplicadas.

Zhao escreve que a coleção de possíveis formas de robôs é “principalmente composta de designs sem sentido. Se você puder apenas conectar as partes de maneiras arbitrárias, acabará com uma confusão”.

Gramática Gramática

A equipe decidiu desenvolver uma “gramática gráfica”, que restringe como os componentes do robô podem ser organizados. Isso é apenas para que cada projeto gerado por computador funcione em um nível básico, com restrições como não ser capaz de conectar segmentos de perna entre si em vez de juntas.

Zhao se inspirou em animais, especificamente artrópodes, ao projetar as regras da gramática de grafos.

Os artrópodes são “caracterizados por terem um corpo central com um número variável de segmentos. Alguns segmentos podem ter pernas presas”, diz Zhao. “E notamos que isso é suficiente para descrever não apenas artrópodes, mas também formas mais familiares.”

Usando a gramática de grafos, o RoboGrammar opera em três etapas. Primeiro, define o problema. Em segundo lugar, projeta possíveis soluções robóticas. Em terceiro lugar, ele seleciona os ideais.

Os usuários humanos são responsáveis ​​pela definição do problema e pela entrada do conjunto de componentes robóticos disponíveis, como motores, pernas e segmentos de conexão. O usuário também insere em que tipo de terreno o robô irá operar.

“Essa é a chave para garantir que os robôs finais possam realmente ser construídos no mundo real”, diz Zhao.

Centenas de Milhares de Estruturas

O RoboGrammar pega as regras gramaticais dos grafos e projeta centenas de milhares de possíveis estruturas de robôs, com várias aparências diferentes.

“Foi muito inspirador para nós ver a variedade de designs”, diz Zhao. “Definitivamente mostra a expressividade da gramática.”

No entanto, nem todos os projetos são bons, e escolher o melhor significa avaliar os movimentos e a função de cada robô.

“Até agora, esses robôs são apenas estruturas”, diz Zhao.

A equipe desenvolveu um controlador para cada robô por meio de um algoritmo chamado Model Predictive Control, que prioriza o movimento rápido para frente, e é isso que faz as estruturas avançarem.

“A forma e o controlador do robô estão profundamente interligados, e é por isso que temos que otimizar um controlador para cada robô individualmente”, diz Zhao.

Os pesquisadores então usam um algoritmo de rede neural para encontrar robôs de alto desempenho. O algoritmo amostra e avalia diferentes conjuntos de robôs e aprende quais designs funcionam para quais tarefas.

Tudo mencionado até aqui ocorre sem intervenção humana.

“Este trabalho é uma conquista culminante na busca de 25 anos para projetar automaticamente a morfologia e o controle de robôs”, diz Hod Lipson, engenheiro mecânico e cientista da computação da Universidade de Columbia. Ele não estava envolvido com a pesquisa. “A ideia de usar gramáticas de forma já existe há algum tempo, mas em nenhum lugar essa ideia foi executada tão bem quanto neste trabalho. Assim que conseguirmos que as máquinas projetem, façam e programem robôs automaticamente, todas as apostas serão canceladas.”

De acordo com Zhao, o RoboGrammar é “uma ferramenta para os projetistas de robôs expandirem o espaço das estruturas de robôs nas quais eles se baseiam”.

A equipe agora planeja construir e testar alguns dos robôs no mundo real, e Zhao diz que o sistema pode ir além da travessia de terrenos e entrar em áreas como mundos virtuais.

“Digamos que em um videogame você queira gerar vários tipos de robôs, sem ter um artista para criar cada um. RoboGrammar funcionaria para isso quase imediatamente”, diz Zhao.