Система RoboGrammar Автоматизирует и Оптимизирует Проектирование Роботов

Форма робота определяет, какие задачи он может выполнять и в какой среде он может работать. С учетом текущих технологических ограничений, нет возможности построить и протестировать каждую форму, но новая система, разработанная исследователями в MIT, позволяет模拟ировать эти формы. После симуляций можно выбрать лучшие из них.

Новая система называется RoboGrammar, и первый шаг – это информирование ее о доступных роботизированных компонентах, таких как колеса и шарниры. Затем указывается тип местности, на которой будет работать робот, и это基本но все. RoboGrammar затем генерирует оптимизированную структуру и программу управления.

Развитие Области Робототехники

Новая система является значительным шагом вперед в области, которая仍然 в основном ручная.

Аллан Чжао является основным автором исследования и аспирантом лаборатории компьютерных наук и искусственного интеллекта MIT (CSAIL).

«Проектирование роботов все еще является очень ручным процессом», – говорит Чжао. Система RoboGrammar – «способ создания новых, более изобретательных проектов роботов, которые потенциально могут быть более эффективными».

Исследование будет представлено на конференции SIGGRAPH Asia в этом месяце.

По словам Чжао, роботы строятся для выполнения различных задач, но «они все склонны быть очень похожими по своей общей форме и конструкции. Когда вы думаете о построении робота, который должен пересекать различные местности, вы сразу же думаете о четвероногом роботе. Мы задумались, является ли это действительно оптимальным проектом».

Команда считала, что новый и более инновационный проект мог бы дать лучшие результаты и улучшить функциональность, поэтому они построили компьютерную модель для задач. Система не была подвержена влиянию предыдущих конвенций, и были применены некоторые правила.

Чжао пишет, что коллекция возможных форм роботов «в основном состоит из бессмысленных проектов. Если вы можете просто соединить компоненты произвольным образом, вы получите беспорядок».

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

Грамматика Графа

Команда разработала «грамматику графа», которая ограничивает, как компоненты робота могут быть расположены. Это делается для того, чтобы каждая компьютерная модель работала на базовом уровне, с ограничениями, такими как невозможность соединения сегментов ног друг с другом вместо шарниров.

Чжао был вдохновлен животными, в частности, членистоногими, при проектировании правил грамматики графа.

Членистоногие «характеризуются наличием центрального тела с переменным количеством сегментов. Некоторые сегменты могут иметь прикрепленные к ним ноги», – говорит Чжао. «И мы заметили, что это достаточно, чтобы описать не только членистоногих, но и более знакомые формы».

С помощью грамматики графа RoboGrammar работает в три шага. Первый шаг – определение проблемы. Второй шаг – проектирование возможных роботов. Третий шаг – выбор оптимальных решений.

Пользователи несут ответственность за определение проблемы и ввод набора доступных роботизированных компонентов, таких как двигатели, ноги и соединительные сегменты. Пользователь также вводит тип местности, на которой будет работать робот.

«Это ключевым моментом для обеспечения того, чтобы окончательные роботы могли быть построены в реальном мире», – говорит Чжао.

Сотни Тысяч Структур

RoboGrammar использует правила грамматики графа и проектирует сотни тысяч возможных структур роботов с различными внешними видами.

«Это было довольно вдохновляющим для нас увидеть разнообразие проектов», – говорит Чжао. «Это определенно показывает выразительность грамматики».

Однако не все проекты хороши, и выбор лучших означает, что каждое движение робота и его функция должны быть оценены.

«До сих пор эти роботы – просто структуры», – говорит Чжао.

Команда разработала контроллер для каждого робота с помощью алгоритма Model Predictive Control, который отдает приоритет быстрому движению вперед, и это то, что продвигает структуры.

«Форма и контроллер робота глубоко переплетены, поэтому нам необходимо оптимизировать контроллер для каждого данного робота индивидуально», – говорит Чжао.

Исследователи затем используют алгоритм нейронной сети для нахождения роботов с высокими показателями производительности. Алгоритм отбирает и оценивает различные наборы роботов и учится, какие проекты работают для каких задач.

Все, что упоминалось до этого момента, происходит без вмешательства человека.

«Эта работа является вершиной 25-летнего стремления к автоматизации проектирования морфологии и управления роботами», – говорит Ход Липсон, механический инженер и компьютерный ученый из Колумбийского университета. Он не участвовал в исследовании. «Идея использования shape-grammars была вокруг некоторое время, но нигде эта идея не была выполнена так красиво, как в этой работе. Как только мы сможем заставить машины проектировать, строить и программировать роботов автоматически, все ставки будут сняты».

По словам Чжао, RoboGrammar – «инструмент для проектировщиков роботов, чтобы расширить пространство структур роботов, на которые они опираются».

Команда теперь планирует построить и протестировать некоторые роботов в реальном мире, и Чжао говорит, что система может выйти за пределы пересечения местности и войти в области, такие как виртуальные миры.

«Допустим, в видеоигре вы хотели сгенерировать много видов роботов, не имея художника, чтобы создать каждый из них. RoboGrammar сработает для этого几乎 сразу», – говорит Чжао.