Real-time Estimator of Actuator Control and Health (REACH) on an Eel-Inspired Soft Robot
تقدم هذه الورقة البحثية خوارزمية REACH، وهي خوارزمية تعمل في الوقت الفعلي وتستخدم نموذج روبوت مرن، ومرشح نقطة سيجما، واختبار الفرضيات الإحصائية لتقدير صحة المشغل الميكانيكي وتدهوره بدقة في الروبوتات المائية المستوحاة من سمك الأنقليس عبر مختلف أنماط السباحة وتكوينات المستشعرات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في أعماق سحيقة تحت السطح، حيث يتلاشى ضوء الشمس ويتصاعد الضغط، تُكلف آلات ذاتية القيادة باستكشاف المجهول. تواجه هذه المركبات تحت المائية، المصممة للعمل دون توجيه بشري، تحديًا فريدًا: فالمواد التي تجعلها مرنة وقابلة للتكيف هي أيضًا نقطة ضعفها. فخلافًا للروبوتات المعدنية الصلبة، تُبنى الروبوتات اللينة من مواد طيعة يمكنها الانحناء والالتواء مثل الكائنات الحية، مما يسمح لها بالتسلل عبر المساحات الضيقة والتحرك بهدوء. ومع ذلك، فإن هذه المواد اللينة عرضة للتآكل أو التمزق أو مجرد فقدان قوتها بمرور الوقت. وإذا لم يتمكن الروبوت تحت المائي من معرفة أن عضلاته بدأت تضعف، فقد ينحرف عن مساره أو يعلق في مكانه، غير قادر على العودة إلى الأمان. السؤال الجوهري للمهندسين هو كيفية منح هذه الآلات حساً بصحتها الداخلية، مما يسمح لها باكتشاف الضرر فوراً وتعديل حركاتها من أجل البقاء.
لقد طور الباحثون نظامًا جديدًا يسمى REACH لحل هذه المشكلة لروبوت محدد من النوع المصمم للسباحة مثل ثعبان البحر. هذا الروبوت، الذي بناه فريق من جامعة كورنيل وجامعة كاليفورنيا سان دييغو، يحاكي الحركة المتموجة لثعبان البحر، باستخدام سلسلة من الغرف المملوءة بالماء التي تتمدد وتتقلص لدفعه للأمام. أنشأ الباحثون "توأمًا رقميًا" لهذا الروبوت، وهو محاكاة متطورة تتنبأ بكيفية تحرك الآلة في الظروف المثالية. ثم بنوا نسخة واقعية من الروبوت ووضعوها في خزان مائي لاختبار ما إذا كان بإمكانهم استخدام الفرق بين الحركة المتوقعة والحركة الفعلية لمعرفة متى يفشل "المشغل الميكانيكي" (actuator) — أي "عضلة" الروبوت. يعمل النظام من خلال المقارنة المستمرة لما يفعله الروبوت مقابل ما ينبغي له فعله، باستخدام طريقة إحصائية يمكنها التعامل مع الطبيعة الفوضوية وغير المتوقعة لديناميكا السوائل والمواد اللينة.
ولجعل هذا النظام يعمل، تعين على الفريق تحديد أي المستشعرات ستوفر أفضل البيانات. اختبروا ثلاثة أنواع مختلفة من أدوات القياس: نظام تحديد المواقع العالمي لتتبع الموقع، ووحدة قياس القصور الذاتي لاستشعار التسارع والاتجاه، ومستشعرات الانحناء المرنة المثبتة مباشرة على جسم الروبوت. كانت النتائج واضحة ومفاجئة؛ فقد ثبت أن نظام تحديد المواقع العالمي، الذي غالبًا ما يكون الخيار المفضل للملاحة، غير مفيد لهذه المهمة المحددة. نظرًا لأن الروبوت يتحرك ببطء والبيئة المائية معقدة، كانت بيانات الموقع بطيئة جدًا في الاستجابة للأعطال المفاجئة. في المقابل، أظهرت مستشعرات الانحناء ووحدات قياس القصور الذاتي أداءً استثنائيًا. فقد تمكنت مستشعرات الانحناء، التي تقيس مدى انحناء جسم الروبوت، من اكتشاف الفشل بشكل فوري تقريبًا، بينما كانت وحدات القياس بالقصور الذاتي، التي تستشعر اهتزاز وانعطاف الروبوت، فعالة بدرجة قريبة جدًا.
كما بحث الباحثون في عدد المستشعات المطلوبة فعليًا للحفاظ على سلامة الروبوت. ووجدوا أنه بالنسبة لوحدات قياس القصور الذاتي، كان وضع مستشعرين فقط على الروبوت كافيًا لتشخيص حالة جميع عضلاته بدقة. أما بالنسبة لمستشعرات الانحناء، وهي أكثر محلية ولا "ترى" إلا الجزء المتصل بها، فقد تطلب الأمر ثلاثة مستشعرات للحصول على صورة كاملة لحالة الروبوت. هذا التمييز حيوي للتصاميم المستقبلية، حيث إن إضافة الكثير من المستشعرات قد يجعل الروبوت ثقيلاً ومكلفًا، بينما يجعله القليل منها أعمى عن الضرر. اختبر الفريق النظام تحت ثلاثة أساليب سباحة مختلفة: السباحة في خط مستقيم، والدوران في منعطفات واسعة، وتنفيذ منعطفات ضيقة وحادة. وفي كل سيناريو، نجح النظام في تحديد وقت فشل إحدى العضلات، بغض النظر عن كيفية تحرك الروبوت.
أخيرًا، نقل الفريق النظام من الكمبيوتر إلى الماء مع روبوت سمكة حقيقي. لقد تسببوا عمدًا في إضعاف أداء عضلات الروبوت عن طريق تقليل تدفق الماء إلى غرف معينة، لمحاكاة تمزق أو فشل في المضخة. استطاع النظام، باستخدام بيانات مستشعرات الانحناء، اكتشاف هذه التغييرات في الوقت الفعلي. ورغم أن التقديرات لم تكن دقيقة تمامًا في الثواني الأولى — ويرجع ذلك على الأرجًا إلى الوقت الذي تستغرقه مضخات الماء لبدء العمل — إلا أن النظام استقر بسرعة وحدد بدقة أي العضلات تضررت وإلى أي مدى. وتثبت هذه الدراسة أنه من خلال الجمع بين محاكاة واقعية ومزيج صحيح من المستشعرات، يمكن منح الروبوتات اللينة القدرة على مراقبة صحتها، مما يضمن قدرتها على إكمال مهامها والعودة إلى ديارها حتى عندما تبدأ أجزاء من أجسادها في الفشل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.