Algoritmo projeta robôs flexíveis que fazem sentido

Resumo: Um novo algoritmo está permitindo que os pesquisadores desenvolvam robôs soft que são mais capazes de coletar informações úteis sobre seus arredores.

Fonte: COM

Existem algumas tarefas para as quais os robôs tradicionais – o tipo rígido e metálico – simplesmente não foram feitos. Os robôs de corpo mole, por outro lado, podem ser capazes de interagir com as pessoas com mais segurança ou deslizar para espaços apertados com facilidade. Mas, para que os robôs concluam de forma confiável suas tarefas programadas, eles precisam saber o paradeiro de todas as partes de seus corpos. Essa é uma tarefa difícil para um robô macio que pode se deformar em um número virtualmente infinito de maneiras.

Os pesquisadores do MIT desenvolveram um algoritmo para ajudar os engenheiros a projetar robôs soft que coletam informações mais úteis sobre seus arredores. O algoritmo de aprendizado profundo sugere um posicionamento otimizado de sensores dentro do corpo do robô, permitindo que ele interaja melhor com seu ambiente e conclua as tarefas atribuídas. O avanço é um passo em direção à automação do projeto de robôs.

“O sistema não apenas aprende uma determinada tarefa, mas também como projetar melhor o robô para resolver essa tarefa”, diz Alexander Amini. “O posicionamento do sensor é um problema muito difícil de resolver. Portanto, ter essa solução é extremamente emocionante. ”

A pesquisa será apresentada durante a IEEE International Conference on Soft Robotics de abril e será publicada na revista. IEEE Robótica e Cartas de Automação. Os co-autores principais são Amini e Andrew Spielberg, ambos estudantes de PhD em Ciência da Computação do MIT e Laboratório de Inteligência Artificial (CSAIL). Outros co-autores incluem a estudante de doutorado do MIT, Lillian Chin, e os professores Wojciech Matusik e Daniela Rus.

Crédito: MIT

Criar robôs leves que completem tarefas do mundo real tem sido um desafio de longa data na robótica. Suas contrapartes rígidas têm uma vantagem embutida: uma amplitude limitada de movimento. O conjunto finito de articulações e membros dos robôs rígidos geralmente possibilita cálculos gerenciáveis ​​pelos algoritmos que controlam o mapeamento e o planejamento do movimento. Robôs suaves não são tão tratáveis.

Robôs de corpo mole são flexíveis e flexíveis – eles geralmente se parecem mais com uma bola saltitante do que com uma bola de boliche. “O principal problema com os robôs soft é que eles são infinitamente dimensionais”, diz Spielberg. “Qualquer ponto em um robô de corpo mole pode, em teoria, deformar-se de qualquer maneira possível.” Isso torna difícil projetar um robô macio que possa mapear a localização de suas partes corporais. Esforços anteriores usaram uma câmera externa para mapear a posição do robô e alimentar essa informação de volta para o programa de controle do robô. Mas os pesquisadores queriam criar um robô soft livre de ajuda externa.

“Você não pode colocar um número infinito de sensores no próprio robô”, diz Spielberg. “Então, a questão é: quantos sensores você tem e onde você os coloca para obter o máximo retorno do seu investimento?” A equipe voltou-se para o aprendizado profundo para obter uma resposta.

Os pesquisadores desenvolveram uma nova arquitetura de rede neural que otimiza o posicionamento do sensor e aprende a concluir tarefas com eficiência. Primeiro, os pesquisadores dividiram o corpo do robô em regiões chamadas de “partículas”. A taxa de tensão de cada partícula foi fornecida como uma entrada para a rede neural. Por meio de um processo de tentativa e erro, a rede “aprende” a sequência de movimentos mais eficiente para completar tarefas, como agarrar objetos de diferentes tamanhos. Ao mesmo tempo, a rede mantém registro de quais partículas são usadas com mais frequência e seleciona as partículas menos usadas do conjunto de entradas para os testes subsequentes da rede.

Ao otimizar as partículas mais importantes, a rede também sugere onde os sensores devem ser colocados no robô para garantir um desempenho eficiente. Por exemplo, em um robô simulado com uma mão que agarra, o algoritmo pode sugerir que os sensores sejam concentrados dentro e ao redor dos dedos, onde as interações precisamente controladas com o ambiente são vitais para a capacidade do robô de manipular objetos. Embora isso possa parecer óbvio, parece que o algoritmo superou amplamente a intuição humana sobre onde colocar os sensores.

Isso mostra diferentes conceitos de design para um elefante robô macio
Os pesquisadores do MIT desenvolveram uma rede neural de aprendizado profundo para auxiliar no projeto de robôs de corpo mole, como essas iterações de um elefante robótico. Imagem cortesia dos pesquisadores.

Os pesquisadores compararam seu algoritmo com uma série de previsões de especialistas. Para três layouts diferentes de robôs macios, a equipe pediu aos roboticistas que selecionassem manualmente onde os sensores deveriam ser colocados para permitir a conclusão eficiente de tarefas como agarrar vários objetos. Em seguida, eles executaram simulações comparando os robôs sensorizados por humanos com os robôs sensorizados por algoritmo. E os resultados não foram próximos.

Veja também

Este é um diagrama do estudo

“Nosso modelo superou amplamente os humanos em cada tarefa, embora eu tenha olhado para alguns dos corpos dos robôs e me sentido muito confiante sobre para onde os sensores deveriam ir”, disse Amini. “Acontece que há muito mais sutilezas nesse problema do que esperávamos inicialmente.”

Spielberg diz que seu trabalho pode ajudar a automatizar o processo de projeto de robôs. Além de desenvolver algoritmos para controlar os movimentos de um robô, “também precisamos pensar em como vamos sensorizar esses robôs e como isso vai interagir com outros componentes desse sistema”, diz ele. E um melhor posicionamento do sensor pode ter aplicações industriais, especialmente onde os robôs são usados ​​para tarefas finas como agarrar. “Isso é algo em que você precisa de um sentido de toque muito robusto e bem otimizado”, diz Spielberg. “Portanto, há potencial para um impacto imediato.”

“Automatizar o projeto de robôs soft sensorizados é um passo importante para a criação rápida de ferramentas inteligentes que ajudam as pessoas em tarefas físicas”, diz Rus. “Os sensores são um aspecto importante do processo, pois permitem ao robô soft“ ver ”e compreender o mundo e sua relação com o mundo.”

Financiamento: Esta pesquisa foi financiada, em parte, pela National Science Foundation e pela Fannie and John Hertz Foundation.

Sobre esta notícia de pesquisa de robótica

Fonte: COM
Contato: Daniel Ackerman – MIT
Imagem: A imagem é creditada aos pesquisadores

Pesquisa original: Os resultados serão apresentados na IEEE International Conference on Soft Robotics.

Leave a Reply

Your email address will not be published. Required fields are marked *