Zum ersten Mal haben MIT-Forscher einem weichen Roboterarm ermöglicht, seine Konfiguration im 3D-Raum zu verstehen, indem sie nur Bewegungs- und Positionsdaten von seiner eigenen „sensorisierten“ Haut nutzen.

Weiche Roboter, die aus sehr nachgiebigen Materialien hergestellt wurden, ähnlich wie sie in lebenden Organismen vorkommen, werden als sicherere und anpassungsfähigere, belastbarere und bioinspiriertere Alternativen zu herkömmlichen starren Robotern angesehen. Die autonome Steuerung dieser deformierbaren Roboter ist jedoch eine monumentale Aufgabe, da sie sich zu jedem Zeitpunkt in nahezu unendlich viele Richtungen bewegen können. Das macht es schwierig, Planungs- und Steuerungsmodelle zu trainieren, die die Automatisierung vorantreiben.

Herkömmliche Methoden zur Erzielung einer autonomen Steuerung verwenden große Systeme mit mehreren Bewegungserfassungskameras, die den Robotern Feedback zu 3D-Bewegungen und -Positionen geben. Diese sind jedoch für weiche Roboter in realen Anwendungen unpraktisch.

In einem Artikel, der in der Zeitschrift veröffentlicht wird IEEE-Briefe für Robotik und AutomatisierungDie Forscher beschreiben ein System von weichen Sensoren, die den Körper eines Roboters abdecken, um eine „Propriozeption“ zu ermöglichen - das heißt, das Bewusstsein für Bewegung und Position seines Körpers. Dieses Feedback stößt auf ein neuartiges Deep-Learning-Modell, das das Rauschen durchläuft und klare Signale erfasst, um die 3D-Konfiguration des Roboters abzuschätzen. Die Forscher validierten ihr System an einem weichen Roboterarm, der einem Elefantenrüssel ähnelt und dessen eigene Position vorhersagen kann, wenn er autonom herumschwingt und sich ausdehnt.

Die Sensoren können aus handelsüblichen Materialien hergestellt werden, was bedeutet, dass jedes Labor seine eigenen Systeme entwickeln kann, sagt Ryan Truby, Postdoc im MIT-Labor für Informatik und künstliche Kunst (CSAIL), der zusammen mit dem Papier Co-Erstautor ist CSAIL Postdoc Cosimo Della Santina.

„Wir sensibilisieren weiche Roboter, um Feedback zur Steuerung von Sensoren und nicht von Bildverarbeitungssystemen zu erhalten. Dabei verwenden wir eine sehr einfache und schnelle Herstellungsmethode“, sagt er. „Wir möchten diese weichen Roboterkoffer zum Beispiel verwenden, um sich automatisch zu orientieren und zu steuern, Dinge aufzunehmen und mit der Welt zu interagieren. Dies ist ein erster Schritt in Richtung einer komplexeren automatisierten Steuerung. “

Ein zukünftiges Ziel ist es, künstliche Gliedmaßen herzustellen, mit denen Objekte in der Umgebung geschickter gehandhabt und manipuliert werden können. „Denken Sie an Ihren eigenen Körper: Sie können Ihre Augen schließen und die Welt anhand des Feedbacks Ihrer Haut rekonstruieren“, sagt Co-Autorin Daniela Rus, Direktorin von CSAIL und Professorin für Elektrotechnik und Informatik bei Andrew und Erna Viterbi. "Wir wollen die gleichen Funktionen für weiche Roboter entwickeln."

Weiche Sensoren formen

Ein langjähriges Ziel in der weichen Robotik waren vollständig integrierte Körpersensoren. Herkömmliche starre Sensoren beeinträchtigen die natürliche Nachgiebigkeit eines weichen Roboterkörpers, erschweren dessen Design und Herstellung und können verschiedene mechanische Fehler verursachen. Sensoren auf der Basis von weichem Material sind eine geeignetere Alternative, erfordern jedoch spezielle Materialien und Methoden für ihre Konstruktion, was es für viele Robotiklabors schwierig macht, sie herzustellen und in weiche Roboter zu integrieren.

Als Truby eines Tages in seinem CSAIL-Labor nach Inspiration für Sensormaterialien suchte, stellte er eine interessante Verbindung her. „Ich habe diese Blätter aus leitfähigen Materialien gefunden, die zur Abschirmung gegen elektromagnetische Störungen verwendet werden und die man überall in Rollen kaufen kann“, sagt er. Diese Materialien haben "piezoresistive" Eigenschaften, was bedeutet, dass sich der elektrische Widerstand bei Belastung ändert. Truby erkannte, dass sie effektive weiche Sensoren herstellen könnten, wenn sie an bestimmten Stellen des Kofferraums platziert würden. Wenn sich der Sensor als Reaktion auf das Strecken und Zusammendrücken des Kofferraums verformt, wird sein elektrischer Widerstand in eine bestimmte Ausgangsspannung umgewandelt. Die Spannung wird dann als ein Signal verwendet, das mit dieser Bewegung korreliert.

Das Material dehnte sich jedoch nicht stark, was die Verwendung für weiche Robotik einschränken würde. Inspiriert von Kirigami - einer Variation von Origami, die das Schneiden von Material umfasst - hat Truby rechteckige Streifen aus leitfähigen Silikonfolien entworfen und lasergeschnitten, um verschiedene Muster zu erhalten, z. B. Reihen winziger Löcher oder sich kreuzende Scheiben wie ein Maschendrahtzaun. Das machte sie viel flexibler, dehnbarer und „schöner anzusehen“, sagt Truby.

Bildnachweis: Ryan L. Truby, MIT CSAIL

Der Roboterstamm der Forscher besteht aus drei Segmenten mit jeweils vier Fluidaktuatoren (insgesamt 12), mit denen der Arm bewegt wird. Sie verschmolzen einen Sensor über jedem Segment, wobei jeder Sensor Daten von einem im weichen Roboter eingebetteten Aktuator abdeckte und sammelte. Sie verwendeten "Plasma Bonding", eine Technik, die eine Oberfläche eines Materials mit Energie versorgt, um es an ein anderes Material zu binden. Es dauert ungefähr ein paar Stunden, um Dutzende von Sensoren zu formen, die mit einem handgehaltenen Plasma-Bonding-Gerät an die weichen Roboter angeschlossen werden können.

Bildnachweis: Ryan L. Truby, MIT CSAIL

Konfigurationen "lernen"

Wie vermutet, haben die Sensoren die allgemeine Bewegung des Kofferraums erfasst. Aber sie waren wirklich laut. "Im Wesentlichen sind sie in vielerlei Hinsicht nicht ideale Sensoren", sagt Truby. „Aber das ist nur eine häufige Tatsache bei der Herstellung von Sensoren aus weich leitenden Materialien. Leistungsstärkere und zuverlässigere Sensoren erfordern spezielle Werkzeuge, über die die meisten Robotiklabors nicht verfügen. “

Um die Konfiguration des weichen Roboters nur mit den Sensoren abzuschätzen, bauten die Forscher ein tiefes neuronales Netzwerk auf, um den größten Teil des schweren Hebens zu erledigen, indem sie das Rauschen durchsuchten, um aussagekräftige Rückkopplungssignale zu erfassen. Die Forscher entwickelten ein neues Modell zur kinematischen Beschreibung der Form des weichen Roboters, das die Anzahl der Variablen, die für die Verarbeitung ihres Modells erforderlich sind, erheblich reduziert.

In Experimenten ließen die Forscher den Rumpf herumschwingen und sich in zufälligen Konfigurationen über ungefähr anderthalb Stunden ausdehnen. Sie verwendeten das traditionelle Bewegungserfassungssystem für Bodenwahrheitsdaten. Im Training analysierte das Modell Daten von seinen Sensoren, um eine Konfiguration vorherzusagen, und verglich seine Vorhersagen mit den Grundwahrheitsdaten, die gleichzeitig gesammelt wurden. Dabei „lernt“ das Modell, Signalmuster von seinen Sensoren auf reale Konfigurationen abzubilden. Die Ergebnisse zeigten, dass für bestimmte und stabilere Konfigurationen die geschätzte Form des Roboters mit der Grundwahrheit übereinstimmte.

Als nächstes wollen die Forscher neue Sensordesigns für eine verbesserte Empfindlichkeit untersuchen und neue Modelle und Deep-Learning-Methoden entwickeln, um das erforderliche Training für jeden neuen weichen Roboter zu reduzieren. Sie hoffen auch, das System zu verfeinern, um die vollen dynamischen Bewegungen des Roboters besser erfassen zu können.

Derzeit sind das neuronale Netzwerk und die Sensorhaut nicht empfindlich, um subtile Bewegungen oder dynamische Bewegungen zu erfassen. Derzeit ist dies jedoch ein wichtiger erster Schritt für lernbasierte Ansätze zur Steuerung von weichen Robotern. Truby sagt: „Wie unsere weichen Roboter müssen lebende Systeme nicht absolut präzise sein. Menschen sind im Vergleich zu unseren starren Roboterkollegen keine präzisen Maschinen, und wir machen das ganz gut. “