想象一下在一条水泥人行道上奔跑,然后突然穿过了干燥的沙子。为了保持直立,你必须放慢速度并改变跑步的方式。以同样的方式,散步机器人必须改变其步态来处理不同的表面。

一般来说,我们人类和大多数机器人只能改变如何我们运行。但如果我们也能改变身体形状,在任何表面上跑得尽可能快、尽可能安全呢?

我们希望依靠机器人进行困难和危险的任务,从检查失败的核反应堆到太空勘探。对于这些任务,静态体可能会限制机器人的适应性。形状换档体可以在这些意外环境中取得成功和失败之间的差异。甚至更好地,形状转换机器人可以为不同的环境学习最佳的身体形状,并在遇到它们时适应新环境。

与奥斯陆大学合作,我们成功地用了一个四条腿的机器人测试了这个想法,这些机器人适应它的身体在新表面上行走,因为它看到它们,表现优于静态机器人。我们的研究是发表自然机器智能。

形状转移的四曲

Dyret,用于体现测试的动态机器人,或其创造者挪威的“动物”,Tønnesnygaard.,旨在探索形状转换机器人的想法。每个大塞子的四条腿都有两个伸缩部分,使其可以改变其大腿或胫骨的长度。调整由内置在腿部内置的电动机,并且在机器人运行时可以自动更改长度。

电机可以从60厘米到73厘米高约20%的大约左右的梗塞的高度。13cm对机器人的行走产生了巨大的差异。腿短,梗塞稳定但慢,重心低。在其最高的模式下,Dyret在它走路时更不稳定,但其步幅更长时间,允许它更快地行进并缩短障碍。

Dyret也有传感器,以跟踪它的行走。每个Dyret的脚都有一个力传感器,可以感受到地面的努力。在塞特的前腿之间的地面上的3D相机点来估计地面的粗糙。

学会适应

当Dyret走路时,它通过脚和3D相机连续感应环境。当机器人检测到地面条件的变化时,它可以改变为最佳的腿长。但是机器人如何知道身体形状最佳?

我们探讨了Dutet的两种方式,以了解不同情况的最佳腿部配置:受控环境,室内具有已知表面,以及外面的真实测试。

在我们的受控测试中,Dyret走在大约5米长的盒子里,含有不同的行走表面:砂,砾石和硬纤维水泥板。这机器人在25种不同的腿型中每一种材料上行走,以记录其运动效率。有了这些数据,我们测试了机器人自动感知盒子内行走表面变化的能力,以及选择最佳体型的能力。

虽然我们的对照实验表明,DyRET能够成功地适应它之前走过的表面,但现实世界是一个更加多变和不可预测的地方。我们证明了这种方法可以通过估计机器人遇到的任何表面的最佳身体形状来扩展到未知的地形。

在我们的户外实验中,Dyret使用了一种机器学习模型,播种了关于给定的地形硬度和从受控测试所采取的粗糙度组合的最佳腿部配置的知识。当机器人走路时,它不断预测地形的最佳体形,同时更新其模型,测量它可以走路的程度。在我们的实验中,Dyret的预测随着它的推移而改善,使其能够快速产生高效的动作,即使对于之前没有看到的地形。

是换档机器人未来吗?

DyRET探索了机器人“具身认知”的概念:也就是说,机器人的硬件身体可以通过与它的软件大脑紧密连接,与环境一起解决问题。DyRET的身体并不是对其运动的约束,它本身是一种在具有挑战性的环境中解决问题的适应性方法。

这是令人难以置信的有益,特别是当我们预先预测确切的环境条件时,这使得挑选一个“良好”的机器人形状非常具有挑战性。相反,这些机器人通过形状变化适应各种各样的环境条件。

我们的概念证明对未来的机器人设计有强大的影响,解锁目前不可能的环境,非常具有挑战性和多变。未来的变形机器人可能会被用于海底,或者在太空中执行长期任务。

本文转载自谈话在创造性的公共许可证下。阅读来源文章

图片来源:谈话

我的学术生涯始于利兹 - 我在利兹大学度过了大约4年的地方,在那里我在认知系统中获得了一个BSC的计算和MSC。在我的BSC和MSC中,我尤其受到生物学 - 灵感的计算领域的灵感 - 这可以最好地被认为是观察自然的一些方面,形成自然过程的工作抽象(例如,Ant Pherem ......

跟随大卫:

Charles Martin是来自澳大利亚的打击乐,音乐技术和音乐AI的专家。他通过新技术将打击乐与电声音乐和其他媒体联系起来。他是音乐iPad应用程序,倒像反应的触摸屏合奏,集合梅德托,打击乐组,集合演变和跨艺术集团的作者,最后一个人死亡。查尔斯的博士研究......

按照查尔斯: