روبات‌های تغییر شکل دهنده

تصور کنید در مسیر یک پیاده رو سیمانی می دوید، و سپس ناگهان وارد ماسه خشک می شوید. درست برای این که ایستاده باقی بمانید، لازم است سرعت خود را کم کرده و نحوه دویدن خود را تغییر دهید. به همین ترتیب، یک روبات راه رونده باید روش راه رفتن خود را تغییر دهد تا بتواند سطوح مختلفی را که می پیماید مدیریت کند.
 
به طور کلی، ما انسان ها و اکثر روبات ها فقط می توانیم نحوه دویدن خود را تغییر دهیم. اما اگر ما بتوانیم شکل بدن خود را نیز تغییر دهیم تا بتوانیم هرچه سریع تر و ایمن تر بر روی هر سطحی حرکت کنیم، چه؟
 
ما می خواهیم برای کارهای دشوار و خطرناک، از بازرسی راکتورهای هسته ای شکست خورده تا اکتشافات فضایی، به روبات ها اعتماد کنیم. برای این کارها، یک بدن ثابت می تواند سازگاری روبات را محدود کند. بدنی که تغییر شکل می دهد می تواند بین موفقیت و شکست در این محیط های غیر منتظره تفاوت ایجاد کند. حتی بهتر، یک روبات تغییر شکل دهنده می تواند بیاموزد که بهترین شکل بدن برای محیط های مختلف چیست و با مواجه شدن با محیط های جدید سازگار شود.
 روبات های تغییر شکل دهنده آینده می توانند در کف دریا یا برای انجام مأموریت های طولانی مدت در فضا مورد استفاده قرار گیرند.با همکاری دانشگاه اسلو، ما این ایده را با موفقیت یک روبات چهارپا آزمایش کردیم که بدن خود را برای راه رفتن روی سطوح جدید، آن طور که آنها را می بیند، سازگار می کند و عملکرد بهتری نسبت به یک روبات بدن استاتیک دارد. تحقیقات ما در Nature Machine Intelligence  منتشر شده است.
 

یک چهارپای تغییر شکل دهنده

DyRET (یا Dynamic Robot for Embodied Testing)، روبات پویا برای تست کردن تجسمی، یا "حیوان"، آن طور که خالق نروژی خالق آن به زبان نروزی آن را می نامد، برای کاوش ایده یک روبات تغییر شکل دهنده طراحی شده است. هر چهارپای DyRET دارای دو بخش تلسکوپی است، به طوری که می تواند طول ران یا استخوان های ران خود را تغییر دهد. این تنظیمات توسط موتورهای تعبیه شده در پاها انجام می شود و می توان طول آنها را به طور خودکار در حین کار روبات تغییر داد.
 
این موتورها می توانند ارتفاع DyRET را حدود 20٪ ، از 60 سانتی متر به 73 سانتی متر تغییر دهند. این 13 سانتی متر تفاوت چشم گیری در راه رفتن روبات ایجاد می کند. با وجود پاهای کوتاه ،DyRET  پایدار اما کُند است که دارای یک مرکز ثقل کم ارتفاع است. در بلندترین حالت،DyRET  در حین راه رفتن ناپایدارتر است اما گام های آن بسیار طولانی تر است و به او امکان می دهد سریعتر سفر کند و از موانع عبور نماید.
   
تصویر: روبات DyRET می تواند تنظیمات پاهای خود را تغییر دهد تا با انواع مختلف زمین سازگار شود.
 
DyRET همچنین دارای حسگرهایی برای پیگیری آنچه که روی آن قدم می زند است. هر یک از پایه های DyRET دارای یک سنسور نیرو است که می تواند سختی زمین را احساس کند. یک دوربین سه بعدی بین پایه های جلو DyRET به زمین اشاره می کند تا خشن بودن زمین را تخمین بزند.
 به جای اینکه بدن DyRET محدودیتی در حرکت خود داشته باشد، خود یک روش سازگار برای حل مشکلات در محیط های چالش برانگیز است.

یادگیری سازگار شدن

هنگامی که DyRET در حال راه رفتن است، به طور مداوم از طریق پا و دوربین سه بعدی محیط را حس می کند. هنگامی که روبات تغییر در شرایط زمین را تشخیص داد، می تواند به بهترین طول پا تغییر کند. اما این روبات از کجا می داند چه فرم بدنی بهتر کار می کند؟
 
ما دو روش را برای DyRET جستجو کردیم تا بهترین تنظیمات پایه را برای شرایط مختلف بیاموزد: یک محیط کنترل شده داخل خانه با سطوح شناخته شده، و یک آزمایش دنیای واقعی در خارج از خانه.
   
تصویر: DyRET در یک محیط داخلی از سطحی با پوشش الیاف سیمان به سطحی با پوشش سنگ ریزه می رود.
 
در آزمایشات کنترل شده ما،DyRET  داخل جعبه هایی به طول حدود 5 متر که شامل سطوح مختلف برای راه رفتن بودند راه می رفت: شن و ماسه، و ورق های الیاف سخت سیمان. این روبات برای ثبت کارایی حرکت خود، روی هر ماده در هر 25 تنظیمات مختلف پایه قرار گرفت. با توجه به این داده ها، ما توانایی روبات را برای احساس خودکار تغییر در سطح به هنگام راه رفتن درون جعبه ها و انتخاب بهترین شکل بدن آزمایش کردیم.
 این روبات هنگام راه رفتن، و هنگام برخورد با زمین، به طور مداوم بهترین شکل بدن را پیش بینی می کند.در حالی که آزمایش های کنترل شده ما نشان داد DyRET می تواند بدن خود را با موفقیت با سطوحی که قبلاً روی آنها تطبیق داده سازگار کند، اما دنیای واقعی مکانی بسیار متغیر و غیر قابل پیش بینی است. ما نشان دادیم که این روش را می توان با تخمین بهترین شکل بدن برای هر سطحی که روبات با آن روبرو می شود، به زمین های مواجه نشده نیز گسترش داد.
 
در آزمایشات ما در فضای باز،DyRET  از یک مدل یادگیری ماشین استفاده می کند که دارای دانش در مورد بهترین تنظیمات پایه برای ترکیبی از سختی زمین و زبری گرفته شده از آزمون های کنترل شده است. این روبات هنگام راه رفتن، و هنگام برخورد با زمین، به طور مداوم بهترین شکل بدن را پیش بینی می کند، در حالی که این مدل، خود را با اندازه گیری میزان توانایی راه رفتن به روز می کند. در آزمایشات ما، پیش بینی های DyRET در حین راه رفتن بهبود می یابد و به وی امکان می دهد به سرعت حرکات کارآمد، حتی برای زمینی که قبلاً ندیده است، ایجاد کند.
   
تصویر: در تست DyRET در بیرون، هنگامی که روبات در مسیری سیمانی راه می رود، پاهای خود را بلندتر می کند.
 در بلندترین حالت،DyRET  در حین راه رفتن ناپایدارتر است اما گام های آن بسیار طولانی تر است و به او امکان می دهد سریعتر سفر کند و از موانع عبور نماید.

آیا روبات های تغییر شکل دهنده، روبات های آینده هستند؟

DyRET ایده "شناخت تجسم یافته" در یک روبات را کاوش می کند: یعنی این که یک بدنه سخت افزاری روبات می تواند برای حل مشکلات به طریقه همکاری با مغز نرم افزاری خود با پیوند محکم آنها با محیط، مورد استفاده قرار گیرد. به جای اینکه بدن DyRET محدودیتی در حرکت خود داشته باشد، خود یک روش سازگار برای حل مشکلات در محیط های چالش برانگیز است.
 
این فوق العاده سودمند است، به ویژه هنگامی که نتوانیم شرایط محیطی دقیق را از قبل پیش بینی کنیم، که انتخاب یک شکل خوب از روبات را بسیار چالش برانگیز می کند. در عوض، این روبات ها از طریق تغییر شکل با شرایط مختلف محیطی سازگار می شوند.
 
اثبات مفهومی ما پیامدهای قدرتمندی برای آینده طراحی روباتیک دارد، و گشاینده قفل محیط های غیرممکنی است که در حال حاضر بسیار چالش برانگیز و متغیر هستند. روبات های تغییر شکل دهنده آینده می توانند در کف دریا یا برای انجام مأموریت های طولانی مدت در فضا مورد استفاده قرار گیرند.
یک روبات تغییر شکل دهنده می تواند بیاموزد که بهترین شکل بدن برای محیط های مختلف چیست و با مواجه شدن با محیط های جدید سازگار شود. منبع: دِیوید هوارد، چارلز مارتین، Data61، Australian National University