Araştırmacılar Yumuşak Robotları Kontrol Etmek İçin Yeni Bir Yöntem Geliştiriyor

Araştırmacılar MİT hedef görevleri gerçekleştirmek için yumuşak robotları daha iyi kontrol etmenin ve tasarlamanın bir yolunu bulduk. Bu, yumuşak robotlarda uzun süredir bir hedef olmuştur ve bu büyük bir başarıdır. 

Yumuşak robotlar, herhangi bir zamanda sonsuz sayıda şekilde hareket edebilen esnek gövdelere sahiptir. Hesaplama açısından, bu, robotun her bir parçasının hareketlerini açıklayan oldukça karmaşık bir "durum temsilidir". Bunların muhtemelen milyonlarca boyutu olabilir, bu da bir robotun karmaşık hedef görevleri tamamlamasının en iyi yolunu hesaplamanın daha zor olduğu anlamına gelir.

MIT araştırmacıları, Aralık ayında Nöral Bilgi İşleme Sistemleri Konferansında bir model sunacaklar. Model, robotun fiziğine, çevreye ve diğer faktörlere dayanan kompakt veya "düşük boyutlu" durum temsilini öğrenebilir. Model daha sonra hareket kontrolünü ve malzeme tasarım parametrelerini birlikte optimize edebilir. Bunlar daha sonra belirli görevlere yöneliktir. 

Andrew Spielberg, Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı'nda (CSAIL) yüksek lisans öğrencisidir. 

"Yumuşak robotlar, herhangi bir anda milyarlarca farklı şekilde bükülen sonsuz boyutlu yaratıklardır, ancak gerçekte, yumuşak nesnelerin bükülmesinin muhtemel doğal yolları vardır. Yumuşak robotların doğal durumlarının düşük boyutlu bir tanımla çok kompakt bir şekilde tanımlanabileceğini bulduk. Muhtemel durumların iyi bir tanımını öğrenerek yumuşak robotların kontrolünü ve tasarımını optimize ediyoruz.”

Gerçekleşen simülasyonlarda model, 2D ve 3D soft robotların hedef görevleri tamamlamasını sağladı. Görevler, farklı mesafelerde hareket etmeyi ve hedef noktalara ulaşmayı içeriyordu. Model, bunları diğer mevcut yöntemlerden daha hızlı ve daha doğru bir şekilde yapabildi. Araştırmacılar şimdi modeli gerçek yumuşak robotlarda kullanmak istiyor. 

Projede çalışan diğer kişiler arasında CSAIL yüksek lisans öğrencileri, Allan Zhao, Tao Du ve Yuanming Hu; CSAIl direktörü Daniel Rus ve Elektrik Mühendisliği ve Bilgisayar Bilimleri Profesörü Andrew ve Erna Viterbi; ve elektrik mühendisliği ve bilgisayar bilimlerinde MIT doçenti ve Hesaplamalı İmalat Grubu başkanı Wojciech Matusik. 

Yumuşak robotik, gelişmiş robotik alanında son derece önemli olan, büyüyen bir alandır. Esnek gövdeler gibi özellikler, insanlarla daha güvenli etkileşimde, nesne manipülasyonunda, manevra kabiliyetinde ve çok daha fazlasında rol oynayabilir. 

Simülasyonlar sırasında robotların kontrolünden bir “gözlemci” sorumludur. Bir "gözlemci", bir görevi tamamlamak için yumuşak robotun hareket etme şeklini gören değişkenleri hesaplayan bir programdır. 

Sonunda, araştırmacılar yeni bir "döngü içinde öğrenme optimizasyonu" yöntemi geliştirdiler. Tüm optimize edilmiş parametreler, çoklu simülasyonlar üzerinden gerçekleşen tek bir geri besleme döngüsü sırasında öğrenilir. Aynı zamanda metot, durum gösterimini öğrenir. 

Model, “önemli nokta yöntemi (MPM)” adı verilen bir teknik kullanır. Bir MPM, köpükler ve sıvılar gibi sürekli malzeme parçacıklarının davranışını simüle eder ve bir arka plan ızgarasıyla çevrilidir. Teknik, robotun parçacıklarını ve gözlemlenebilir ortamını 3B pikseller veya vokseller halinde yakalayabilir. 

Ham parçacık ızgara bilgisi daha sonra bir makine öğrenimi bileşenine gönderilir. Bir görüntü girmeyi, onu düşük boyutlu bir temsile sıkıştırmayı ve ardından onu tekrar giriş görüntüsüne açmayı öğrenir. 

Öğrenilen sıkıştırılmış temsil, robotun düşük boyutlu durum temsili olarak işlev görür. Sıkıştırılmış temsiller, bir optimizasyon aşamasında denetleyiciye geri döner ve her bir parçacığın bir sonraki MPM ile uyarılan adımda nasıl hareket etmesi gerektiğine ilişkin hesaplanmış bir eylem çıktısı verir. 

Aynı zamanda, kontrolör bilgileri her parçacığın optimum sertliğini ayarlamak için kullanır. Her parçacık noktası farklı sertlikte basılabildiğinden, malzeme bilgisi 3D baskı yumuşak robotları için kullanılabilir. 

Spielberg, "Bu, belirli görevlerle ilgili olacak robot hareketlerine uygun robot tasarımları oluşturmaya izin veriyor" diyor. "Bu parametreleri birlikte öğrenerek, tasarım sürecini kolaylaştırmak için her şeyi olabildiğince senkronize tutuyorsunuz."

Araştırmacılar sonunda simülasyondan fabrikasyona kadar tasarım yapabileceklerini umuyorlar.