MIT の研究者らは初めて、ソフト ロボット アームが自身の「センサー化された」皮膚からの動きと位置のデータのみを利用して、3D 空間でその構成を理解できるようにしました。

生体に見られるものと同様の適合性の高い材料で作られた柔らかいロボットは、従来の硬いロボットに代わる、より安全で順応性が高く、弾力性があり、生体からインスピレーションを得た代替品として支持されています。しかし、これらの変形可能なロボットがいつでも事実上無限の方向に移動できるため、これらのロボットに自律制御を与えることは途方もない作業です。そのため、自動化を推進する計画モデルや制御モデルをトレーニングすることが困難になります。

自律制御を実現する従来の方法では、ロボットに 3D の動きと位置に関するフィードバックを提供する複数のモーション キャプチャ カメラからなる大規模システムが使用されます。しかし、これらは現実世界のアプリケーションにおけるソフトロボットには実用的ではありません。

雑誌に掲載されている論文の中で IEEE ロボティクスおよびオートメーション レター、研究者らは、ロボットの体を覆う「固有受容」、つまり体の動きと位置の認識を提供するソフトセンサーのシステムについて説明しています。そのフィードバックは、ノイズを選別して明確な信号をキャプチャする新しいディープラーニング モデルに反映され、ロボットの 3D 構成を推定します。研究者らは、ゾウの鼻に似た柔らかいロボットアーム上でシステムを検証しました。ロボットアームは、自律的に振り回されたり伸びたりするときに自分の位置を予測できます。

センサーは既製の材料を使用して製造できるため、どの研究室でも独自のシステムを開発できることになる、とMITコンピュータ科学人工研究所（CSAIL）の博士研究員で、同論文の共同筆頭著者であるライアン・トゥルビー氏は語る。 CSAIL ポスドクのコジモ デラ サンティーナ。

「私たちは、非常に簡単で迅速な製造方法を使用して、ビジョン システムではなくセンサーから制御用のフィードバックを得るためにソフト ロボットをセンサー化しています」と彼は言います。 「私たちは、たとえば、これらの柔らかいロボットのトランクを使用して、自動的に方向を調整して制御したり、物を拾ったり、世界と対話したりしたいと考えています。これは、その種のより洗練された自動制御への第一歩です。」

将来の目標の XNUMX つは、環境内の物体をより器用に扱い、操作できる義肢の作成を支援することです。 「自分の体について考えてみましょう。目を閉じて、皮膚からのフィードバックに基づいて世界を再構築できます」と共著者であり、CSAIL 所長であり、電気工学およびコンピュータ サイエンスのアンドリューおよびエルナ ビタビ教授であるダニエラ ラス氏は述べています。 「私たちはソフトロボットにも同じ機能を設計したいと考えています。」

ソフトセンサーの成形

ソフトロボティクスにおける長年の目標は、ボディセンサーを完全に統合することでした。従来の硬いセンサーは、柔らかいロボット本体の自然なコンプライアンスを損ない、その設計と製造を複雑にし、さまざまな機械的故障を引き起こす可能性があります。ソフトマテリアルベースのセンサーは、より適切な代替手段ですが、その設計には特殊な材料と方法が必要なため、多くのロボット研究室がセンサーを製造してソフトロボットに統合することが困難になっています。

ある日、センサー材料のインスピレーションを求めて CSAIL 研究室で働いていたとき、Truby 氏は興味深いつながりを見つけました。 「電磁干渉シールドに使用される導電性材料のシートを見つけました。ロール状でどこでも購入できます」と彼は言います。これらの材料には「ピエゾ抵抗」特性があり、ひずみがかかると電気抵抗が変化します。トルビー氏は、トランクの特定の場所に設置すれば、効果的なソフトセンサーを作成できることに気づきました。体幹の伸縮に応じてセンサーが変形すると、その電気抵抗が特定の出力電圧に変換されます。この電圧は、その動きに相関する信号として使用されます。

しかし、この素材はあまり伸縮しないため、ソフトロボット工学への使用は制限されてしまいます。切り紙（材料に切り込みを入れることを含む折り紙のバリエーション）からインスピレーションを得て、Truby は導電性シリコーンシートの長方形のストリップを設計し、小さな穴の列や金網フェンスのような交差するスライスなど、さまざまなパターンにレーザーカットしました。これにより、はるかに柔軟で伸縮性が増し、「見た目も美しくなりました」とトゥルビー氏は言います。

クレジット: Ryan L. Truby、MIT CSAIL

研究者のロボット胴体は 12 つのセグメントで構成されており、各セグメントにはアームを動かすために使用される XNUMX つの流体アクチュエーター (合計 XNUMX 個) が搭載されています。彼らは各セグメント上に XNUMX つのセンサーを融合し、各センサーがソフト ロボットに組み込まれた XNUMX つのアクチュエーターをカバーしてそこからデータを収集しました。彼らは、材料の表面にエネルギーを与えて別の材料に結合させる技術である「プラズマ結合」を使用しました。ハンドヘルドのプラズマ接合装置を使用してソフト ロボットに接合できる数十個のセンサーを成形するには、およそ XNUMX 時間かかります。

クレジット: Ryan L. Truby、MIT CSAIL

「学習」構成

仮説どおり、センサーは体幹の一般的な動きを捕捉しました。しかし、彼らは本当に騒がしかったです。 「本質的に、それらは多くの点で理想的ではないセンサーです」とトゥルビー氏は言う。 「しかし、それは柔らかい導電性材料からセンサーを作る場合の一般的な事実にすぎません。より高性能で信頼性の高いセンサーには、ほとんどのロボット研究室には備わっていない特殊なツールが必要です。」

センサーのみを使用してソフト ロボットの構成を推定するために、研究者らは、ノイズを選別して意味のあるフィードバック信号を捕捉することにより、重労働のほとんどを実行するディープ ニューラル ネットワークを構築しました。研究者らは、モデルの処理に必要な変数の数を大幅に削減する、ソフト ロボットの形状を運動学的に記述する新しいモデルを開発しました。

実験では、研究者らは幹を約XNUMX時間半にわたってランダムな形状で振り回したり伸ばしたりさせた。彼らは、グラウンド トゥルース データに従来のモーション キャプチャ システムを使用しました。トレーニングでは、モデルはセンサーからのデータを分析して構成を予測し、その予測を同時に収集されていたグランドトゥルースデータと比較しました。そうすることで、モデルはセンサーからの信号パターンを現実世界の構成にマッピングする方法を「学習」します。結果は、特定のより安定した構成では、ロボットの推定形状が地上の真実と一致することを示しました。

次に研究者らは、感度を向上させるための新しいセンサー設計を探索し、新しいモデルやディープラーニング手法を開発して、すべての新しいソフトロボットに必要なトレーニングを軽減することを目指しています。彼らはまた、ロボットの完全なダイナミックな動きをより良く捉えるためにシステムを改良したいと考えています。

現在、ニューラル ネットワークとセンサー スキンは、微妙な動きや動的な動きを捉える感度が高くありません。しかし、現時点では、これはソフト ロボット制御への学習ベースのアプローチにとって重要な第一歩であるとトゥルビー氏は言います。「私たちのソフト ロボットと同様、生体システムも完全に正確である必要はありません。人間は、硬いロボットに比べて精密な機械ではありませんが、それでも問題ありません。」