Nauka mechanicznej delikatności

Roboty zbudowane z twardych materiałów nie są przeznaczone do wszystkich zadań. Kłopotem jest dla nich np. operowanie w ciasnych przestrzeniach. Ale mają pewną zaletę: ograniczony zakres ruchu. Układ „kończyn” i „stawów” zwykle umożliwia wykonywanie obliczeń za pomocą algorytmów sterujących mapowaniem i planowaniem ruchu.

Maszyny o miękkich korpusach są elastyczne i giętkie, zatem każdy fragment może teoretycznie ulec deformacji na każdy możliwy sposób. Aby jednak dokładnie swoje obowiązki, muszą nauczyć się właściwie orientować się w przestrzeni i odpowiednio dotykać przedmioty lub ludzi, z którymi pracują. W przypadku robotów, które mogą się odkształcać na nieskończoną liczbę sposobów, nie jest to sprawa prosta.

Do tej pory przy programowaniu takich maszyn wykorzystywano zewnętrzną kamerę, z której informacje były przekazywane z powrotem do programu sterującego. Jednak naukowcy chcieli stworzyć robota, który byłby pod tym względem samowystarczalny. Do tego potrzebne są czujniki.

– Na robocie nie można jednak zainstalować ich nieskończonej liczby – mówi Andrew Spielberg. Tu potrzebna jest precyzja.

Najpierw podzielili ciało robota na określone części. Szybkość odkształcenia każdej została dostarczona jako dane wejściowe do sieci neuronowej. Później w procesie prób i błędów sieć „uczyła się” jak najefektywniej np. chwytać obiekty o różnych rozmiarach. Sprawdzała przy tym, które części są używane najczęściej, a te mniej przydatne usuwała ze zbioru danych wejściowych wykorzystywanych w kolejnych próbach. W końcu sugerowała, gdzie należy umieścić czujniki na robocie, aby zapewnić jego najlepszą wydajność.

Na przykład w robocie z chwytającą dłonią, wskazała, że optymalnie działać będą czujniki skoncentrowane w palcach i wokół nich. Chociaż może się to wydawać oczywiste, okazało się, że algorytm miał w tej sprawie o wiele lepszą intuicję niż ludzie.

– Automatyzacja projektowania miękkich robotów jest ważnym krokiem w kierunku szybkiego tworzenia inteligentnych narzędzi – mówi Daniela Rus. – Czujniki są ważnym aspektem procesu, bo umożliwiają miękkiemu robotowi „widzenie” i „rozumienie” otaczającego go świata – mówi Daniela Rus.

____________________________________________

źródło: Massachusetts Institute od Technology