Robotar använder AI för att “känna” smärta och självreparera

Robotar är ett steg närmare att vara mer lika levande varelser med en ny utveckling inom fältet. Forskare från Nanyang Technological University, Singapore (NTU Singapore) har skapat ett AI-system som tillåter robotar att känna smärta och självreparera.

Det nyligen utvecklade systemet förlitar sig på AI-aktiverade sensorer, som bearbetar “smärta” och sedan svarar på den. Denna smärta identifieras när det finns tryck som orsakas av en yttre fysisk kraft. Den andra stora delen av systemet är självreparering. Roboten kan reparera skadan, när fallet är en mindre “skada”, allt utan att behöva förlita sig på mänskligt ingripande.

Forskningen publicerades i augusti i tidskriften Nature Communications.

De flesta av världens nuvarande robotar får information om sin omedelbara omgivning genom ett nätverk av sensorer. Men dessa sensorer bearbetar inte information, utan skickar istället informationen till en central bearbetningsenhet. Denna centrala bearbetningsenhet är där lärande sker, och det innebär att nuvarande robotar kräver många kablar. Detta system resulterar i längre svarstider.

Förutom längre svarstider är dessa robotar ofta lätt skadade och kräver mycket underhåll och reparation.

Det nya systemet

I det nya systemet som utvecklats av forskarna är AI inbäddat i nätverket av sensorer. Det finns flera mindre och mindre kraftfulla bearbetningsenheter, som sensorerna är anslutna till. Detta setup tillåter lärande att ske lokalt, vilket i sin tur minskar antalet kablar som behövs och svarstiden. Specifikt är det minskat fem till tio gånger jämfört med konventionella robotar.

Självrepareringssystemet kommer från införandet av ett självhelande jon-gel-material i systemet. Detta tillåter robotarna att återställa mekaniska funktioner när de skadas, utan hjälp av människor.

Associate Professor Arindam Basu är medförfattare till studien. Han kommer från School of Electrical & Electronic Engineering.

“För att robotar ska kunna arbeta tillsammans med människor en dag, är en av frågorna hur man kan säkerställa att de kommer att interagera säkert med oss. Av den anledningen har forskare runt om i världen letat efter sätt att ge robotar en känsla av medvetenhet, såsom att “känna” smärta, att reagera på den och att motstå tuffa driftsförhållanden. Men komplexiteten i att sätta samman det stora antal sensorer som krävs och den resulterande skörheten i ett sådant system är ett stort hinder för en bred tillämpning.”

Enligt Basu, som också är expert på neuromorfisk datoranvändning, “Vårt arbete har demonstrerat möjligheten för ett robotsystem som kan bearbeta information effektivt med minimal kabeldragning och kretsar. Genom att minska antalet elektroniska komponenter som krävs, bör vårt system bli mer överkomligt och skalbart. Detta kommer att hjälpa till att påskynda antagandet av en ny generation robotar på marknaden.”

Att lära roboten att känna smärta

För att lära roboten att känna smärta, förlitade sig teamet på memtransistorer, som fungerar som “hjärn-liknande” elektroniska enheter. Dessa enheter kan ha minne och informationsbearbetning, och fungerar som artificiella smärtreceptorer och synapser.

Studien visade hur roboten kunde fortsätta att svara på tryck även efter att den hade skadats. Efter en “skada”, såsom ett snitt, förlorar roboten mekanisk funktion. Då träder det självhelande jon-gel-materialet in och orsakar att roboten “läker” såret, i princip genom att sy ihop det.

Rohit Abraham John är huvudförfattare till studien och forskningsledare vid School of Materials Science & Engineering vid NTU.

“De självhelande egenskaperna hos dessa nya enheter hjälper det robotiska systemet att upprepat sy ihop sig själv när det “skadas” med ett snitt eller repa, även vid rumstemperatur”, säger John. “Detta imiterar hur vårt biologiska system fungerar, liknande hur människohud läker på egen hand efter ett snitt.”

“I våra tester kan vår robot “överleva” och svara på oavsiktlig mekanisk skada som orsakas av mindre skador såsom repor och stötar, samtidigt som den fortsätter att fungera effektivt. Om ett sådant system skulle användas med robotar i verkliga miljöer, kunde det bidra till besparingar i underhåll.”

Enligt associate professor Nripan Mathews, som är medförfattare och kommer från School of Materials Science & Engineering vid NTU, “Konventionella robotar utför uppgifter på ett strukturerat och programmerbart sätt, men våra kan uppfatta sin omgivning, lära och anpassa beteende enligt. De flesta forskare fokuserar på att göra alltmer känsliga sensorer, men fokuserar inte på utmaningarna med hur de kan fatta beslut effektivt. Sådan forskning är nödvändig för att nästa generation robotar ska kunna interagera effektivt med människor.”

“I detta arbete har vårt team tagit en väg som är utanför den vanliga, genom att tillämpa nya lärande material, enheter och tillverkningsmetoder för robotar för att imitera mänskliga neurobiologiska funktioner. Även om det fortfarande är i ett prototypstadium, har våra resultat lagt grunden för viktiga ramar för fältet, och pekar vägen framåt för forskare att tackla dessa utmaningar.”

Forskningsgruppen kommer nu att vända sig till partners inom industrin och regeringsforskningslaboratorier för att ytterligare utveckla systemet.