Module Number Adaptive Visual Shape Control for Serial Modular Soft Robots
تقدم هذه الورقة طريقة للتحكم البصري في الشكل متكيفة مع عدد الوحدات للروبوتات الهوائية اللينة ذات الوحدات المتسلسلة، والتي تتيح التحكم القابل للتوسع في تكوين الجسم بالكامل عبر أعداد متفاوتة من الوحدات والظروف البيئية من خلال إعادة استخدام وحدة تحكم مدربة على وحدة واحدة عبر تفكيك رقع الصور المحلية وتعزيز البيانات الهندسية.
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
تُعد الروبوتات اللينة فرعاً متميزاً من الهندسة، حيث تستبدل المعادن والبلاستيك الصلب بمواد مرنة تشبه المطاط. وخلافاً للآلات التقليدية التي تتحرك بمفاصل ثابتة ودقيقة، فإن هذه الروبوتات تنثني وتلتوي مثل الأنسجة الحية، مما يسمح لها بالتسلل عبر المساحات الضيقة، أو التعامل مع الأجسام الرقيقة، أو التنقل في التضاريس الوعرة دون التسبب في أي ضرر. ولأن أجسامها مصنوعة من مكونات لينة ومرنة، فهي لا تملك شكلاً ثابتاً واحداً؛ بل يمكن لكامل هيئتها أن تتغير باستمرار. هذا النوع من المرونة يجعلها مفيدة للغاية للمهام في البيئات الضيقة، مثل الإجراءات الطبية أو مهمات البحث والإنقاذ، ولكنه يجعل التحكم بها صعباً للغاية أيضاً. فالموديلات الحاسوبية التقليدية تجد صعوبة في التنبؤ بكيفية حركة الروبوت اللين بدقة، لأن المادة تنثني بطرق معقدة وغير متوقعة. ولحل هذه المشكلة، لجأ الباحثون إلى التحكم القائم على الرؤية، حيث تراقب الكاميرا الروبوت وتعدل حركاته في الوقت الفعلي، تماماً كما يراقب الإنسان يده لتوجيهها. ومع ذلك، ظل هناك عائق رئيسي: معظم أنظمة التحكم البصري هذه مصممة لحجم روبوت محدد. فإذا كان الروبوت مكوناً من خمس قطع متصلة، فعادة ما لا يمكن استخدام برنامج التحكم الخاص به على روبوت مكون من ثلاث أو سبع قطع دون إعادة كتابته وتدريبه بالكامل من الصروس.
لقد طور فريق من الباحثين طريقة جديدة تسمح لنظام تحكم واحد بإدارة روبوتات لينة ذات أطوال متفاوتة دون الحاجة إلى بيانات تدريب جديدة لكل حجم. وقد ركزوا على نوع من الروبوتات يتم بناؤه عن طريق ربط قطع قابلة للنفخ ومتطابقة مع بعضها البعض في خط مستقيم. وفي تجاربهم، قاموا ببناء روبوتات تتراوح من قطعة واحدة فقط حتى خمس قطع متصلة ببعضها البعض من طرف لآخر. ويكمن جوهر اكتشافهم في تقنية تقوم بتفكيك صورة جسم الروبوت بالكامل إلى قطع صغيرة فردية، حيث تعامل كل قطعة ككيان منفصل. فبدلاً من محاولة تعلم كيفية حركة روبوت مكون من خمس قطع كجسم واحد ضخم ومعقد، يتعلم النظام كيفية حركة قطعة واحدة ثم يطبق المعرفة نفسها على كل قطعة يراها، بغض النظر عن عدد جيرانها. ويعني هذا النهج أنه بمجرد تعليم الكمبيوتر كيفية التحكم في قطعة واحدة، يمكن إعادة استخدام هذا "الدماغ" نفسه فوراً للتحكم في روبوت مكون من قطعة واحدة، أو ثلاث، أو خمس قطع.
ولإنجاح ذلك، كان على الباحثين التغلب على حقيقة أن القطعة تبدو مختلفة اعتماداً على موقعها في الخط. فالقطعة الموجودة في أسفل روبوت مكون من خمس قطع تظهر في جزء مختلف من رؤية الكاميرا وبزاوية مختلفة عن قطعة واحدة موضوعة بمفردها على طاولة. ولتعليم الكمبيوتر تجاهل هذه الاختلافات البصرية، استخدموا تقنية تسمى "تعزيز البيانات الهندسي" أثناء مرحلة التدريب. تضمن ذلك تدوير وتحريك صور القطعة الواحدة آلاف المرات بطرق مختلفة، مما أظهر للكمبيوتر بشكل فعال أن نفس القطعة المطاطية يمكن أن تظهر في مواضع واتجاهات متعددة. ومن خلال تدريب النظام على هذه المشاهد المتنوعة، تعلم الكمبيوتر التعرف على الشكل الجوهري للقطعة بدلاً من موقعها المحدد في الصورة. وعندما تم نشر النظام على روبوت متعدد القطع، استخدم أداة متخصصة لتحديد موقع كل قطعة في بث الكاميرا، وقصها، ثم تغذيتها إلى وحدة التحكم نفسها. بعد ذلك، تقوم الوحدة بحساب تعديلات ضغط الهواء اللازمة لتلك القطعة المحددة لمطابقة الشكل المستهدف.
اختبر الباحثون هذا النظام على روبوتات فيزيائية معلقة في مختبر، باستخدام كاميرا ويب قياسية لمراقبتها. وقاموا ببرمجة الروبوتات لتنثني في أشكال محددة، مثل الالتواء أو الانحناء للأمام، وقاسوا مدى قرب الروبوت الفعلي من الصورة المستهدفة. وأظهرت النتائج أن النظام نجح في توجيه الروبوتات ذات القطع من واحد إلى خمسة نحو أشكالها المستهدفة. وبينما استغرقت الروبوتات ذات القطع الأكثر وقتاً أطول قليلاً للاستقرار وأظهرت خطأً أكبر قليلاً من الروبوتات الأقصر، إلا أن نظام التحكم عمل بفعالية عبر جميع التكوينات دون أي تدريب إضافي. كما أثبت النظام متانة ضد التغييرات في البيئة؛ فقد حافظ على التحكم حتى عندما تغير الإضاءة في الغرفة، أو عند وضع أشياء في الخلفية، أو عند تعليق وزن ثقيل في طرف الروبوت. وفي أحد الاختبارات، تم تعليق كتلة بوزن 500 جرام في نهاية روبوت مكون من خمس قطع، لمحاكاة الحمل الإضافي الذي قد يحمله روبوت في العالم الحقيقي، ولا يزال النظام قادراً على توجيه الروبوت إلى الوضعية الصحيحة.
كان الجزء الحاسم في موثوقية النظام هو قدرته على التعامل مع المعلومات المفقودة. ففي سيناريو العالم الحقيقي، قد تُحجب أجزاء من الروبوت بواسطة جسمه نفسه، أو بواسطة يد شخص ما، أو بواسطة أشياء أخرى، مما يتسبب في فقدان الكاميرا لتتبع قطعة معينة أو جزء معين. وقد بنى الباحثون شبكة خفيفة الوزن يمكنها تخمين البيانات البصرية المفقودة بناءً على الأجزاء المحيطة. فعندما يتم حجب شكل قطعة من الروبوت، تقوم هذه الشبكة بإعادة بناء الصورة المفقودة، مما يسمح لنظام التحكم بالاستمرار في العمل بسلاسة. ولولا عملية إعادة البناء هذه، لكان الروبوت قد واجه صعوبة في الحركة أو فشل في الوصول إلى هدفه. وقد أثبتت الدراسة أنه من خلال تفكيك مشكلة معقدة لكامل الجسم إلى مهام محلية بسيطة، يمكن لنموذج تحكم واحد أن يتوسع للتعامل مع آلات أكبر وأكثر تعقيداً. ويشير هذا الاكتشاف إلى أن الروبوتات اللينة المستقبلية يمكن تجميعها وإعادة تجميعها بعدد مختلف من الأجزاء، وسيعمل نفس برنامج التحكم فوراً، مما يلغي الحاجة إلى جمع بيانات جديدة أو إعادة تدريب النظام في كل مرة يتغير فيها تكوين الروبوت.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.