Kroczą roboty na indywidualne zamówienie

Większość robotów jest konstruowana przez inżynierów, którzy muszą skrupulatnie dopasować każdy ze sztucznych stawów i mięśni, aby bot był w stanie wykonać wyznaczone mu zadanie. Proces ten jest powolny i ograniczony ludzką wyobraźnią – powierzenie go algorytmowi mogłoby zapoczątkować nową dziedzinę – tworzenia „robotów na indywidualne zamówienie”, mówi informatyk Josh Bongard z University of Vermont. W ramach nowego eksperymentu on i jego współpracownicy wykorzystali algorytmy oparte na sprzężeniu zwrotnym do tworzenia w rekordowym czasie robotów kroczących różnego typu. Ich wyniki zostały niedawno opublikowane w „Proceedings of the National Academy of Sciences USA”.

Pierwsza wersja każdego z robotów była cyfrowo symulowaną bryłą galaretowatej substancji z 64 losowo rozmieszczonymi otworami niczym w bloku szwajcarskiego sera. Oprócz tego zawierała 64 losowo umiejscowione sztuczne płaty mięśniowe, które, zginając się, powodowały rozciąganie i zwężanie pobliskich części korpusu. Początkowo symulowany korpus podskakiwał w miejscu. Jednakże w miarę, jak algorytm dostosowywał położenie mięśni, a także lokalizację i wielkość otworów, zaczynał posuwać się skokowo do przodu. Dziewięć wersji później otwory się łączyły, w czego wyniku powstawało kilka krótkich „nóg” otoczonych mięśniami. Otrzymany w ten sposób cyfrowy bot był w stanie w każdej sekundzie pokonać odległość równą połowy długości swojego ciała, a cały proces jego rozwoju, który zespół powtórzył 100 razy na laptopie, trwał zaledwie 30 s.

„Ich wielkim osiągnięciem jest to, że dokonali tego w bardzo krótkim czasie przy bardzo niewielkiej liczbie iteracji” – mówi Cecilia Laschi, inżynier mechanik z National University of Singapore, która bada miękkie roboty, lecz nie brała udziału w tych nowych pracach.

Następnie naukowcy odlali korpus z silikonu, otrzymując fizyczny obiekt wielkości mniej więcej połowy kostki mydła. Jako mięśni użyli maleńkich pęcherzy, które wyginały się po wpompowaniu kolejnych porcji powietrza. Robot przemieszczał się wolniej niż cyfrowa symulacja – o pół długości korpusu w ciągu minuty – lecz i tak znacznie szybciej niż czysto losowa wersja.

Maksymalizujące ruch korekty wyznaczano z wykorzystaniem optymalizacji typu gradientu prostego. Metoda ta, na której opiera się większość algorytmów uczenia maszynowego, znajduje optymalne rozwiązania problemów zawierających kłopotliwie dużą liczbę zmiennych. W tym przypadku zmiennymi były położenia mięśni, a także lokalizacje i rozmiary otworów. Algorytm wielokrotnie modyfikował je pod kątem założonego celu, dzięki czemu z każdą iteracją cały układ coraz lepiej działał.

Badacze wykorzystali tę samą technikę do zaprojektowania wirtualnych botów o innym przeznaczeniu, jak transportowanie lub wystrzeliwanie jakiegoś obiektu. W dalszej kolejności mają nadzieję tworzyć bardziej wyrafinowane maszyny.

Dziękujemy, że jesteś z nami. Pulsar dostarcza najciekawsze informacje naukowe i przybliża wyselekcjonowane badania naukowe. Jeśli korzystasz z publikowanych przez Pulsar materiałów, prosimy o powołanie się na nasz portal. Źródło: www.projektpulsar.pl.