Araştırmacılar Yumuşak Robotları Kontrol Etmek için Yeni Bir Yöntem Geliştirdi

Araştırmacılar, Massachusetts Teknoloji Enstitüsü‘nden, yumuşak robotları hedef görevleri gerçekleştirmek için daha iyi kontrol etmek ve tasarlamak için bir yol buldular. Bu, yumuşak robotik için uzun süredir bir hedefti ve büyük bir başarıdır.

Yumuşak robotlar, sonsuz sayıda şekilde hareket edebilen esnek gövdelere sahiptir. Hesaplama açısından, bu, her bir robot parçasının hareketlerini tanımlayan yüksek kompleksiteli bir “durum temsili”dir. Bu, milyonlarca boyuta sahip olabilir, bu nedenle bir robota kompleks hedef görevleri gerçekleştirmek için en iyi yolu hesaplamak daha zordur.

MIT araştırmacıları, Aralık ayında Neural Bilgi İşleme Sistemleri Konferansı’nda bir model sunacaklar. Model, robotun fiziği, çevre ve diğer faktörler temelindecompact, veya “düşük boyutlu” bir durum temsili öğrenme yeteneğine sahiptir. Model daha sonra, hareket kontrolü ve malzeme tasarım parametrelerini birlikte optimize eder. Bunlar, belirli görevlere yöneliktir.

Andrew Spielberg, Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı’nda (CSAIL) lisansüstü bir öğrencidir.

“Yumuşak robotlar, sonsuz boyutlu yaratıklardır ve her an milyonlarca farklı şekilde bükülürler, ancak gerçekte, yumuşak nesnelerin bükülme şekilleri doğal yollardan oluşur. Yumuşak robotların doğal durumlarını, düşük boyutlu bir tanımla çok kompakt bir şekilde tanımlayabiliriz. Kontrol ve tasarımını, muhtemel durumların iyi bir tanımını öğrenerek optimize ediyoruz.”

Simülasyonlarda, model 2D ve 3D yumuşak robotların hedef görevleri gerçekleştirmesini sağladı. Görevler, farklı mesafelere hareket etmek ve hedef noktaları ulaşmak gibi görevleri içeriyordu. Model, diğer mevcut yöntemlerden daha hızlı ve daha doğru bir şekilde bunları gerçekleştirdi. Araştırmacılar şimdi modeli gerçek yumuşak robotlarda kullanmak istiyorlar.

Proje üzerinde çalışan diğer kişiler arasında CSAIL lisansüstü öğrencileri Allan Zhao, Tao Du ve Yuanming Hu; Daniel Rus, CSAIL direktörü ve Andrew ve Erna Viterbi Elektrik Mühendisliği ve Bilgisayar Bilimi Profesörü; ve Wojciech Matusik, MIT’de elektrik mühendisliği ve bilgisayar bilimi yardımcı profesörü ve Computational Fabrication Group’un başkanı yer alıyor.

Yumuşak robotik, gelişmiş robotik dalam daha önemli bir alandır. Esnek gövde gibi özellikler, insanlarla daha güvenli etkileşim, nesne manipülasyonu, manevra kabiliyeti ve daha fazlası için önemli bir rol oynayabilir.

Simülasyonlar sırasında, bir “gözlemci” robotların kontrolünden sorumludur. Bir “gözlemci”, bir programdır ve görevi gerçekleştirmek için yumuşak robotun nasıl hareket ettiğini hesaplar.

Nihayetinde, araştırmacılar yeni bir “öğrenme-döngüde-optimizasyon” yöntemi geliştirdiler. Tüm optimize edilmiş parametreler, birden fazla simülasyonun gerçekleştiği tek bir geri besleme döngüsünde öğrenilir. Aynı zamanda, durum temsili öğrenilir.

Model, bir “malzeme nokta yöntemi” (MPM) tekniğini kullanır. MPM, köpükler ve sıvılar gibi sürekli malzemelerin davranışını simüle eder ve bir arka plan ızgarası ile çevrilidir. Teknik, robotun ve gözlemlenebilir ortamının parçalarını 3D piksel veya voksele dönüştürebilir.

Ham parçacık ızgara bilgisi, daha sonra bir makine öğrenimi bileşenine gönderilir. Bu, bir görüntüyü girişe sıkıştırır, düşük boyutlu bir temsil olarak sıkıştırır ve sonra tekrar girişe dönüştürür.

Öğrenilen sıkıştırılmış temsil, robotun düşük boyutlu durum temsili olarak davranır. Sıkıştırılmış temsil, bir optimizasyon aşamasında kontrolcüye geri döner ve bir sonraki MPM-stimüle adım için her bir parçacığın nasıl hareket etmesi gerektiğini hesaplar.

Aynı zamanda, kontrolcü, optimal sertliği her bir parçacık için ayarlamak için bu bilgileri kullanır. Malzeme bilgisi, yumuşak robotların 3D yazdırılması için kullanılabilir, çünkü her bir parçacık noktası farklı sertlikte yazdırılabilir.

“Bu, robot tasarımlarının belirli görevlere uygun hareketlere göre uyarlanmasını sağlar” diyor Spielberg. “Bu parametreleri birlikte öğrenerek, tasarım sürecini kolaylaştırmak için her şeyi mümkün olduğunca senkronize tutarsınız.”

Araştırmacılar, sonunda simülasyondan üretime tasarım yapmayı umuyorlar.