L’Outil Surpuissant pour Exploser ton Chiffre d'Affaires en 2024 !
Ce robot aux formes changeantes ajuste son corps pour marcher sur toutes sortes de terrains
Imaginez courir sur un sentier en ciment, puis soudainement sur du sable sec. Juste pour rester debout, vous devrez ralentir et changer votre façon de courir. De la même manière, un robot marcheur devrait changer de démarche pour manipuler différentes surfaces.
Généralement, nous les humains et la plupart des robots ne pouvons que changer comment nous courons. Mais que se passerait-il si nous pouvions également changer la forme de notre corps pour fonctionner aussi vite et en toute sécurité que possible sur n'importe quelle surface?
Nous aimerions nous fier aux robots pour des tâches difficiles et dangereuses, de l'inspection des réacteurs nucléaires en panne à l'exploration spatiale. Pour ces tâches, un corps statique pourrait limiter l’adaptabilité du robot. Un corps qui change de forme pourrait faire la différence entre le succès et l'échec dans ces environnements inattendus. Mieux encore, un robot qui change de forme pourrait apprendre la meilleure forme de corps pour différents environnements et s'adapter à de nouveaux environnements à mesure qu'il les rencontre.
En collaboration avec l'Université d'Oslo, nous avons testé avec succès cette idée avec un robot à quatre pattes qui adapte son corps à marcher sur de nouvelles surfaces comme il les voit, plus performant qu'un robot à corps statique. Notre recherche est publiée dans Nature Machine Intelligence.
Un quadrupède changeant de forme
DyRET, le robot dynamique pour les tests incorporés, ou «l'animal» dans le norvégien de son créateur, Tønnes Nygaard a été conçu pour explorer l'idée d'un robot qui change de forme. Chacun des quatre pieds de DyRET a deux sections télescopiques, de sorte qu'il peut changer la longueur de sa cuisse ou de ses tibias. Les réglages sont effectués par des moteurs intégrés dans les jambes et les longueurs peuvent être changées automatiquement pendant que le robot fonctionne.
Les moteurs peuvent changer la hauteur de DyRET d'environ 20%, de 60 cm à 73 cm de hauteur. Ces 13 cm font une différence dramatique dans la marche du robot. Avec des jambes courtes, DyRET est stable mais lent, avec un centre de gravité bas. Dans son mode le plus haut, DyRET est plus instable lorsqu'il marche mais sa foulée est beaucoup plus longue, ce qui lui permet de voyager plus vite et de franchir les obstacles.
DyRET dispose également de capteurs pour suivre ce sur quoi il marche. Chacun des pieds de DyRET a un capteur de force qui peut sentir la dureté du sol. Une caméra 3D pointe vers le sol entre les pattes avant de DyRET pour estimer à quel point le sol est accidenté.
Apprendre à s’adapter
Lorsque DyRET marche, il détecte en permanence l’environnement à travers ses pieds et sa caméra 3D. Lorsque le robot détecte un changement des conditions du sol, il peut choisir la meilleure longueur de jambe. Mais comment le robot sait-il quelle forme de corps fonctionne le mieux?
Nous avons exploré deux façons pour DyRET d'apprendre la meilleure configuration de jambe pour différentes situations: un environnement contrôlé, à l'intérieur avec des surfaces connues, et un test dans le monde réel à l'extérieur. [19659013] DyRET marchant du fibrociment au gravier dans un environnement intérieur. Crédit: Tønnes Nygaard
Lors de nos tests contrôlés, DyRET a marché à l'intérieur de caisses d'environ 5 mètres de long contenant différentes surfaces de marche: sable, gravier et plaques de fibrociment dur. Le robot a marché sur chaque matériau dans chacune des 25 configurations de jambes différentes pour enregistrer l'efficacité de son mouvement. Compte tenu de ces données, nous avons testé la capacité du robot à détecter automatiquement un changement dans la surface de marche dans les boîtes et à choisir la meilleure forme de corps.
Alors que nos expériences contrôlées ont montré que DyRET pouvait adapter son corps avec succès aux surfaces sur lesquelles il avait marché. avant, le monde réel est un endroit beaucoup plus variable et imprévisible. Nous avons montré que cette méthode pouvait être étendue à un terrain invisible en estimant la meilleure forme corporelle pour toute surface rencontrée par le robot.
Dans nos expériences en extérieur, DyRET a utilisé un modèle d'apprentissage automatique, enrichi de connaissances sur la meilleure configuration de jambe pour un combinaison donnée de dureté et de rugosité du terrain tirée des essais contrôlés. Au fur et à mesure que le robot marche, il prédit en permanence la meilleure forme de corps pour le terrain lorsqu'il le rencontre, tout en mettant à jour son modèle avec des mesures de sa capacité à marcher. Dans nos expériences, les prédictions de DyRET s'améliorent à mesure qu'il marche, lui permettant de générer rapidement des mouvements efficaces, même pour un terrain qu'il n'a jamais vu auparavant.
Les robots qui changent de forme sont-ils l'avenir?
DyRET explore l'idée de «cognition incarnée» dans un robot: c'est-à-dire que le corps matériel d'un robot peut être utilisé pour résoudre des problèmes en collaboration avec son logiciel cerveau en les liant étroitement à l'environnement. Au lieu que le corps de DyRET soit une contrainte sur son mouvement, c'est en soi un moyen adaptatif de résoudre des problèmes dans des environnements difficiles.
Ceci est incroyablement bénéfique, surtout lorsque nous ne pouvons pas prédire les conditions environnementales exactes à l'avance, ce qui rend la sélection d'un seul «Bonne» forme de robot très difficile. Au lieu de cela, ces robots s'adapteraient à une grande variété de conditions environnementales grâce au changement de forme.
Notre preuve de concept a de puissantes implications pour l'avenir de la conception robotique, débloquant des environnements actuellement impossibles qui sont très difficiles et variables. Les futurs robots à changement de forme pourraient être utilisés sur le fond marin ou pour des missions à long terme dans l'espace.
Cet article de David Howard Data61 et Charles Martin Australian National University est republié de The Conversation sous une licence Creative Commons. Lire l'article original .
Publié le 16 mars 2021 – 08:08 UTC
Source link