Платим блогерам
Блоги
Fantoci
Они вдохновились покемоном Дитто, который может принимать любую форму.

Когда речь заходит о мягких роботах, большинство людей представляют себе "жидкометаллического" терминатора Т-1000 или робота с щупальцеобразными захватами. Все эти роботы обладают изначальной формой или общей структурой, которую они сохраняют вне зависимости от выполняемой задачи. Ученые считают, что у мягких роботов, которые полностью трансформируются в зависимости от поставленной задачи, есть большой потенциал, особенно в сфере здравоохранения, промышленности или сфере носимых устройств. Однако проблема заключается в том, чтобы найти эффективный способ управлять роботом, который не имеет постоянной структуры.

реклама

Вдохновленные покемоном Дитто, исследователи из Массачусетского технологического института разработали технологию, которая позволяет им управлять мягкими роботами, меняющими форму по своему желанию. Как и Дитто, экспериментальный робот-шарик может принимать любую форму, что позволяет ему изменять площадь поверхности или пробираться в небольшие пространства. Новая технология MIT отличается от традиционного обучения с подкреплением всей группы металлических "мышц", что должно позволить слизеподобным роботам задействовать и использовать только определенную группу мышц в зависимости от конкретной задачи.


Обучение с подкреплением использует метод проб и ошибок для управления движениями робота. Более типичный робот, такой как гуманоид или робот-собака, предпринимает попытку выполнить желаемое действие, активируя одну "мышцу" и получая алгоритмическое вознаграждение, если движение приближает его к цели. Затем робот двигает следующую "мышцу", узнает через вознаграждение, было ли это движение правильным, и так далее. Но такая стратегия не подойдет для слизеподобных роботов, которые используют тысячи крошечных "мышц" для приближения и совершенствования желаемой формы. Без суставов или конечностей, которыми можно манипулировать, обучение с подкреплением просто не будет эффективным и действенным способом работы. 

Восемь задач, выполненных экспериментальным роботом.

На Международной технологической конференции, которая прошла на этих выходных в Австрии, был представлен алгоритм Массачусетского технологического института, который учится группировать соседние мышцы в зависимости от желаемого эффекта. Новая технология основывается на двумерном изображении среды робота, наложенном на сетку. Сгруппировав мышцы, робот изучает обстановку и решает как использовать конкретную группу "мышц" для достижения конечного результата задачи. Такой подход от грубого к более мелкому позволяет роботу начать с одной большой цели, а затем разбить ее на более мелкие цели по мере того, как он меняет форму и передвигается. 


Для проверки своей технологии исследователи разработали эталонную систему под названием DittoGym, в которой слизеподобный робот должен выполнить восемь задач, превращаясь в необычные формы. В одном задании под названием «Сопоставление» роботу предлагается принять форму заданной буквы или смайлика. Другие задачи требуют от робота протиснуться через узкие пространства, чтобы выбраться из коробки или добраться до целевого объекта. DittoGym не только обеспечивает эталонный тест для относительно нового направления изучения реконфигурируемых роботов из мягких материалов, но и позволил исследователям протестировать эффективность своего метода управления по сравнению с традиционным обучением с подкреплением. Они утверждают, что их метод "значительно превзошел" остальные технологии, не использующие подход "от общего к частному".


"Многие существа в природе меняют свою морфологию в течение жизни", - пишут исследователи в статье, опубликованной на arXiv. "Мы продемонстрировали как наши роботы, обученные с помощью [нашего алгоритма], обучаются динамически изменять свою морфологию несколько раз в течение своей жизни для выполнения поставленных задач".

Источник: dittogym.github.io
+
Написать комментарий (0)

Популярные новости

Сейчас обсуждают