МТИ показал алгоритм оптимизации форм роботов для передвижения по различным поверхностям

By | 16.11.2021

Исследователи Массачусетского технологического института нашли способ оптимизировать форму роботов для передвижения по различным типам местности. Система RoboGrammar моделирует эти формы и определяет, какая конструкция будет работать лучше всего в заданных условиях.

Системе нужно сообщить информацию о компонентах робота (колеса, шарниры и т. д.), а также о том, по какой местности ему предстоит перемещаться.

Авторы системы отмечают, сейчас разработчики создают роботов привычных форм, к примеру, если речь идет о передвижении по различным типам местности, то они склоняются к четвероногим роботам. Однако более инновационный дизайн может улучшить функциональность.

Для упорядочивания работы системы команда разработала «грамматику графов» — набор ограничений для расположения компонентов робота. Например, прилегающие сегменты ноги должны быть соединены с суставом, а не с другим сегментом ноги. Такие правила гарантируют, что каждый созданный компьютером дизайн работает, по крайней мере, на элементарном уровне. Эти правила основываются на строении животных, в частности, членистоногих. Ученые отмечают, что именно группа членистоногих — это история эволюционного успеха, и составляет более 80% известных видов животных.

RoboGrammar выполняет три последовательных задачи: определение проблемы, составление возможных роботизированных решений и затем выбор оптимальных. Пользователь вводит набор доступных компонентов, таких как двигатели, ноги и соединительные сегменты. Он также указывает выборку пересеченной местности, которая может включать в себя комбинации ступеньки — плоские участки — скользкие поверхности или другие варианты.

С этими входными данными RoboGrammar использует правила грамматики графов для проектирования сотен тысяч потенциальных структур роботов.

Чтобы выбрать лучший дизайн робота, необходимо контролировать движения каждого прототипа и оценивать его функции. Команда разработала контроллер с алгоритмом под названием Model Predictive Control, который отдает приоритет быстрому движению вперед.

Как только каждый смоделированный робот получает возможность свободно перемещаться, исследователи ищут высокопроизводительные варианты с помощью «эвристического поиска по графу». Этот алгоритм нейронной сети итеративно отбирает и оценивает роботов и узнает, какие конструкции лучше подходят для данной задачи.

Теперь команда планирует создать и протестировать некоторых роботов RoboGrammar в реальном мире. Исследователи отметили, что, несмотря на свободу выбора алгоритма, он все равно чаще склонялся к четвероногим прототипам.



Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *