처음으로 MIT 연구원들은 소프트 로봇 팔이 자체의 "감지 된"스킨에서 움직임과 위치 데이터 만 활용함으로써 3D 공간에서의 구성을 이해할 수있게했습니다.

살아있는 유기체에서 볼 수있는 것과 유사한 고순도 재료로 제작 된 소프트 로봇은 기존의 강성 로봇에 비해 더 안전하고 적응력이 뛰어나고 탄력적이며 생생한 대안으로 자리 잡고 있습니다. 그러나 이러한 변형 가능한 로봇을 자율적으로 제어하는 ​​것은 주어진 순간에 거의 무한한 방향으로 움직일 수 있기 때문에 엄청난 작업입니다. 따라서 자동화를 추진하는 계획 및 제어 모델을 교육하기가 어렵습니다.

자율 제어를 달성하는 기존의 방법은 로봇에 3D 이동 및 위치에 대한 피드백을 제공하는 다중 모션 캡처 카메라의 대규모 시스템을 사용합니다. 그러나 실제 응용 분야의 소프트 로봇에는 실용적이지 않습니다.

저널에 실린 논문에서 IEEE 로봇 공학 및 자동화 서신연구진은 로봇의 신체를 감싸는 소프트 센서 시스템에 대해 설명합니다. 이는 신체의 움직임과 위치에 대한 인식을 의미하는 "소유권 인식"을 제공합니다. 이 피드백은 노이즈를 통해 선별하고 명확한 신호를 캡처하여 로봇의 3D 구성을 추정하는 새로운 딥 러닝 모델로 이어집니다. 연구원들은 코끼리 몸통을 닮은 부드러운 로봇 팔로 시스템의 유효성을 검증했습니다.이 로봇은 자율적으로 움직이며 확장함에 따라 자신의 위치를 ​​예측할 수 있습니다.

이 센서는 기성품을 사용하여 제작할 수 있으며, 이는 모든 실험실에서 자체 시스템을 개발할 수 있음을 의미한다고 논문의 공동 저자 인 MIT 컴퓨터 과학 및 인공 실험실 (CSAIL)의 포스트 닥터 인 Ryan Truby는 말합니다. CSAIL postdoc Cosimo Della Santina.

"우리는 매우 쉽고 빠른 제조 방법을 사용하여 비전 시스템이 아닌 센서로부터 제어를위한 피드백을 얻기 위해 소프트 로봇을 센서하고 있습니다"라고 그는 말합니다. “우리는 이러한 소프트 로봇 트렁크를 사용하여 자동으로 방향을 조정하고 자동으로 제어하고 물건을 집어 들고 세계와 상호 작용하고자합니다. 이것이보다 정교한 자동 제어 유형을 향한 첫 번째 단계입니다.”

미래의 목표 중 하나는 환경에서 물체를 더 잘 다루고 조작 할 수있는 인공 팔다리를 만드는 데 도움이되는 것입니다. CSAIL 책임자 인 Daniela Rus와 전기 공학 및 컴퓨터 과학 교수 인 Andrew and Erna Viterbi의 공동 저자 인 Daniela Rus는“자신의 몸을 생각하면 눈을 감고 피부의 피드백을 바탕으로 세상을 재구성 할 수 있습니다. "소프트 로봇에 동일한 기능을 설계하려고합니다."

소프트 센서 형성

소프트 로봇 공학의 오랜 목표는 완전히 통합 된 바디 센서였습니다. 기존의 견고한 센서는 소프트 로봇 본체의 자연 규정 준수를 방해하고 설계 및 제작을 복잡하게하며 다양한 기계적 고장을 일으킬 수 있습니다. 연성 소재 기반 센서가 더 적합한 대안이지만 설계를 위해 특수한 소재와 방법이 필요하므로 많은 로봇 공학 실험실에서 연성 로봇을 제작하고 통합하기가 어렵습니다.

어느 날 그의 CSAIL 실험실에서 센서 재료에 대한 영감을 찾기 위해 노력하면서 Truby는 흥미로운 연결을 만들었습니다. “전자기 간섭 차폐에 사용되는 이러한 전도성 재료 시트를 롤의 어느 곳에서나 구입할 수 있다는 것을 알게되었습니다.”라고 그는 말합니다. 이들 재료는 "압전 저항성"특성을 가지는데, 이는 변형 될 때 전기 저항이 변한다는 것을 의미한다. Truby는 트렁크의 특정 지점에 소프트 센서를 배치하면 효과적인 소프트 센서를 만들 수 있다는 것을 깨달았습니다. 트렁크의 신축 및 압축에 따라 센서가 변형됨에 따라 전기 저항이 특정 출력 전압으로 변환됩니다. 그런 다음 전압은 해당 움직임과 관련된 신호로 사용됩니다.

그러나 재료가 많이 늘어나지 않아 소프트 로봇에 대한 사용이 제한되었습니다. 재료를 자르는 것을 포함하는 종이 접기의 변형 인 kirigami에서 영감을 얻었습니다. Truby는 전도성 실리콘 시트의 직사각형 스트립을 작은 구멍 열이나 체인 링크 울타리와 같은 십자형 조각과 같은 다양한 패턴으로 디자인하고 레이저 절단했습니다. 이를 통해 훨씬 더 유연하고 신축성이 있으며 "보기에 아름답습니다"라고 Truby는 말합니다.

크레딧 : Ryan L. Truby, MIT CSAIL

연구원의 로봇 트렁크는 팔을 움직이는 데 사용되는 12 개의 유체 액추에이터 (총 XNUMX 개)가있는 XNUMX 개의 세그먼트로 구성됩니다. 그들은 각 세그먼트에 하나의 센서를 통합했으며, 각 센서는 소프트 로봇에 내장 된 하나의 액추에이터에서 데이터를 취합하고 수집했습니다. 그들은 재료의 표면에 에너지를 공급하여 다른 재료에 결합시키는 기술인 "플라즈마 결합"을 사용했습니다. 핸드 헬드 플라즈마 본딩 장치를 사용하여 소프트 로봇에 본딩 할 수있는 수십 개의 센서를 형성하는 데 약 몇 시간이 걸립니다.

크레딧 : Ryan L. Truby, MIT CSAIL

“학습”구성

가설에 따라 센서는 트렁크의 일반적인 움직임을 포착했습니다. 그러나 그들은 정말로 시끄러웠다. Truby는“실제로는 여러 가지면에서 비 이상적인 센서입니다. “그러나 그것은 부드러운 전도성 물질로 센서를 만드는 일반적인 사실입니다. 성능이 우수하고 안정적인 센서를 사용하려면 대부분의 로봇 연구소에는없는 특수 도구가 필요합니다.”

센서 만 사용하여 소프트 로봇의 구성을 추정하기 위해 연구원들은 의미있는 피드백 신호를 포착하기 위해 노이즈를 거르면 서 대부분의 무거운 리프팅을 수행 할 수있는 심층 신경망을 구축했습니다. 연구원들은 모델이 처리하는 데 필요한 변수의 수를 크게 줄이는 소프트 로봇의 형상을 운동 학적으로 설명하기 위해 새로운 모델을 개발했습니다.

실험에서 연구원들은 약 XNUMX 시간 반 동안 몸통이 흔들리고 무작위 구성으로 확장되었습니다. 그들은 실제 모션 캡처 시스템을 기반으로 진실 데이터를 사용했습니다. 훈련 과정에서 모델은 센서의 데이터를 분석하여 구성을 예측하고 예측을 동시에 수집 된 실제 데이터와 비교했습니다. 이 과정에서 모델은 센서의 신호 패턴을 실제 구성에 매핑하기 위해 "학습"합니다. 결과에 따르면, 일정하고 안정적인 구성의 경우 로봇의 예상 모양이 실제와 일치 함을 나타냅니다.

다음으로 연구원들은 감도 향상을위한 새로운 센서 설계를 탐구하고 모든 새로운 소프트 로봇에 필요한 훈련을 줄이기 위해 새로운 모델과 딥 러닝 방법을 개발하는 것을 목표로합니다. 또한 로봇의 전체 동적 동작을보다 잘 포착 할 수 있도록 시스템을 개선하고자합니다.

현재 신경망과 센서 스킨은 미묘한 움직임이나 움직임을 포착하는 데 민감하지 않습니다. 그러나 지금까지 이것은 소프트 로봇 제어에 대한 학습 기반 접근 방식의 중요한 첫 번째 단계라고 Truby는 말합니다.“소프트 로봇과 마찬가지로 생활 시스템도 완전히 정확할 필요는 없습니다. 인간은 우리의 단단한 로봇에 비해 정밀한 기계가 아니며, 우리는 잘합니다.”