27 de January de 2022

El algoritmo de los investigadores diseña robots blandos que tienen sentido

[ad_1]

Los investigadores del MIT han desarrollado una red neuronal de aprendizaje profundo para ayudar en el diseño de robots de cuerpo blando como: B. estas iteraciones de un elefante robótico. Imagen: Cortesía de los investigadores.

Por Daniel Ackerman | Oficina de noticias del MIT

Hay algunas tareas para las que los robots tradicionales, los rígidos y metálicos, simplemente no son adecuados. Los robots de cuerpo blando, por otro lado, pueden interactuar con las personas de manera más segura o deslizarse en espacios reducidos con facilidad. Para que los robots realicen sus tareas programadas de manera confiable, necesitan conocer la ubicación de todas las partes de su cuerpo. Eso es un gran trabajo para un robot blando que puede deformarse de formas casi infinitas.

Los investigadores del MIT han desarrollado un algoritmo que permite a los ingenieros crear robots blandos que recopilan información más útil sobre su entorno. El algoritmo de aprendizaje profundo sugiere la colocación optimizada de sensores en el cuerpo del robot para que pueda interactuar mejor con su entorno y realizar las tareas asignadas. El avance es un paso hacia la automatización del diseño de robots. “El sistema no solo aprende una tarea específica, sino también cómo se puede diseñar mejor el robot para resolver esta tarea”, dice Alexander Amini. “La ubicación de los sensores es un problema muy difícil de resolver. Entonces esta solución es extremadamente emocionante. “

Los resultados de la investigación se presentarán en la Conferencia Internacional IEEE sobre Robótica Suave en abril y se publicarán en la revista. Cartas de robótica y automatización de IEEE. Los coautores son Amini y Andrew Spielberg, ambos estudiantes de doctorado en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL). Otros coautores son la estudiante de doctorado del MIT Lillian Chin y los profesores Wojciech Matusik y Daniela Rus.

El desarrollo de robots blandos que realizan tareas del mundo real ha sido un desafío de larga data en robótica. Sus contrapartes rígidas tienen un beneficio incorporado: rango de movimiento limitado. El número finito de articulaciones y extremidades de los robots rígidos generalmente permite cálculos manejables con los algoritmos que controlan el mapeo y la planificación del movimiento. Los robots blandos no son tan manejables.

Los robots de cuerpo blando son flexibles y maleables; por lo general, se sienten más como una bola que salta que como una bola de boliche. “El principal problema con los robots blandos es que tienen un tamaño infinito”, dice Spielberg. “Cualquier punto de un robot de cuerpo blando puede, en teoría, deformarse de cualquier forma posible”. Esto dificulta el diseño de un robot blando que pueda mapear la posición de las partes de su cuerpo. En esfuerzos anteriores, se utilizó una cámara externa para registrar la posición del robot y devolver esta información al programa de control del robot. Sin embargo, los investigadores querían desarrollar un robot blando que no estuviera vinculado a ayuda externa.

“No se puede conectar una cantidad infinita de sensores al propio robot”, dice Spielberg. “Entonces, la pregunta es, ¿cuántos sensores tienes y dónde los usas para sacar el máximo provecho de tu inversión?” El equipo recurrió al aprendizaje profundo en busca de una respuesta.

Los investigadores desarrollaron una arquitectura de red neuronal novedosa que optimiza la ubicación del sensor y aprende a realizar tareas de manera eficiente. Primero, los investigadores dividieron el cuerpo del robot en regiones llamadas “partículas”. La tasa de deformación de cada partícula se proporcionó como entrada a la red neuronal. Mediante un proceso de prueba y error, la red “aprende” la secuencia de movimientos más eficiente para realizar tareas como agarrar objetos de diferentes tamaños. Al mismo tiempo, la red realiza un seguimiento de las partículas que se utilizan con mayor frecuencia y selecciona las partículas menos utilizadas del conjunto de entradas para intentos posteriores en la red.

Al optimizar las partículas más importantes, la red también sugiere dónde se deben colocar los sensores en el robot para garantizar un rendimiento eficiente. Por ejemplo, en un robot simulado con una mano que agarra, el algoritmo podría sugerir que los sensores se concentren dentro y alrededor de los dedos, donde las interacciones controladas con precisión con el entorno son críticas para la capacidad del robot para manipular objetos. Si bien esto puede parecer obvio, se ha descubierto que el algoritmo supera con creces la intuición humana con respecto a la ubicación de los sensores.

Los investigadores compararon su algoritmo con una serie de predicciones de expertos. Con tres diseños diferentes para robots blandos, el equipo le pidió a la robótica que seleccionara manualmente dónde se deben colocar los sensores para realizar tareas de manera eficiente, como detectar diferentes objetos. Luego realizaron simulaciones en las que se compararon los robots sensibilizados por humanos con los robots sensibilizados algorítmicamente. Y los resultados no estuvieron cerca. “Nuestro modelo claramente superó a los humanos en todas las tareas, a pesar de que miré algunos cuerpos de robots y estaba muy seguro de dónde deberían ir los sensores”, dice Amini. “Resulta que hay muchas más sutilezas en este problema de lo que esperábamos originalmente”.

Según Spielberg, su trabajo podría ayudar a automatizar el proceso de diseño de robots. Además de desarrollar algoritmos para controlar los movimientos de un robot, también debemos pensar en cómo podemos sensibilizar a estos robots y cómo estos interactúan con otros componentes de este sistema. Una mejor ubicación de los sensores podría tener aplicaciones industriales, especialmente donde los robots se utilizan para tareas finas como agarrar. “Aquí se necesita un sentido del tacto muy robusto y bien optimizado”, dice Spielberg. “Así que existe la posibilidad de un impacto inmediato”.

“Automatizar el diseño de robots blandos sensorizados es un paso importante en la creación rápida de herramientas inteligentes que ayuden a las personas con las tareas físicas”, dice Rus. “Los sensores son un aspecto importante del proceso, ya que permiten que el robot blando” vea “y comprenda el mundo y su relación con el mundo”.

Esta investigación fue financiada en parte por la National Science Foundation y la Fannie and John Hertz Foundation.

Noticias del MIT

Autor invitado

Noticias del MIT

[ad_2]