Использование ИИ для проектирования передовых мягких роботов

Мягкие машины — подкатегория робототехники, использующая деформируемые материалы вместо жестких звеньев — являются الناشющей технологией, обычно используемой в носимой робототехнике и биомиметике (например, протезные конечности). Мягкие роботы предлагают замечательную гибкость, выдающуюся адаптивность и равномерно распределенную силу, обеспечивая более безопасные человеко-машинные взаимодействия, чем традиционные жесткие и жесткие роботы.

Незаменимый компонент мягких машин — высокоточный датчик деформации для мониторинга изменений деформации каждого мягкого тела и достижения высокоточного контура управления. Во-первых, сложные движения мягких машин требуют датчиков деформации для мониторинга широкого диапазона деформаций от <5% до >200%, что превышает возможности традиционных датчиков деформации. Во-вторых, для мониторинга координированных движений мягкой машины требуются множественные датчики деформации для удовлетворения разных сенсорных задач для отдельных роботизированных единиц, что требует утомительных проб-ошибок тестов.

Для решения этой проблемы исследовательская команда Университета Мэриленда (UMD) под руководством По-Ёна Чена, профессора химической и биомолекулярной инженерии, создала фреймворк машинного обучения (ML) для облегчения построения предсказательной модели, которую можно использовать для двух задач проектирования: (1) предсказание производительности датчика на основе рецепта фабрикации и (2) рекомендация реализуемых рецептов фабрикации для адекватных датчиков деформации.

«Используя пищевую аналогию, мы дали список ингредиентов «повару», и этот повар способен спроектировать идеальное блюдо на основе индивидуальных вкусов клиента», — сказал Чен.

Эта технология может использоваться в областях передовых производств, проектирования подводных роботов, проектирования протезов и далее.