Robotar använder AI för att “känna” smärta och självreparera

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

Det nyligen utvecklade systemet förlitar sig på AI-aktiverade sensor-noder, 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 sensor-noder. Det finns flera mindre och mindre kraftfulla bearbetningsenheter, som sensor-noderna är anslutna till. Detta setup tillåter lärande att ske lokalt, vilket i sin tur minskar mängden kablar som behövs och svarstiden. Specifikt minskas det 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 oro 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 robotarna en känsla av medvetenhet, såsom att “känna” smärta, för att reagera på den och för att motstå tuffa driftsförhållanden. Men komplexiteten i att sätta samman den mängd sensorer som krävs och den resulterande skörheten i ett sådant system är ett stort hinder för bred adoption.”

Enligt Basu, som också är en expert på neuromorfisk datoranvändning, “Vårt arbete har visat på möjligheten för ett robotsystem som kan bearbeta information effektivt med minimala kablar och kretsar. Genom att minska antalet elektroniska komponenter som krävs, bör vårt system bli mer prisvärt 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-gelmet i kraft och orsakar roboten att läka “såret”, i princip syr den ihop det. 

Rohit Abraham John är huvudförfattare till studien och forskningsstipendiat 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 efterliknar hur vårt biologiska system fungerar, liknande sättet som mänsklig hud läker på egen hand efter ett snitt.” 

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

Enligt associate professor Nripan Mathews, som är medförfattare 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 metod som är utanför den vanliga vägen, genom att tillämpa nya läromaterial, enheter och tillverkningsmetoder för robotar för att efterlikna mänskliga neurobiologiska funktioner. Medan det fortfarande är i ett prototypstadium, har våra resultat lagt fram viktiga ramar för området, 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.