Orientation Control of Soft Robots via Adiabatic Spectral Submanifolds
تقدم هذه الورقة مخطط تحكم تنبؤي بالنموذج مدفوع بالبيانات ومعززًا للروبوتات اللينة، يستخدم المجموعات الفرعية الطيفية الأديباتيكية لالتقاط الديناميكيات غير الخطية ذات الأبعاد اللانهائية بدقة، محققًا خفضًا يزيد عن 60% في أخطاء تتبع الموضع والتوجه مقارنة بالنماذج المرجعية الحالية.
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 بمثابة العمالقة اللطفاء في عالم الهندسة، فهي مبنية من مواد تنحني وتتمدد وتتقلص بدلاً من أن تنكسر أو تطحن مثل الآلات المعدنية التقليدية. ولأنها مصنوعة من مواد مرنة وقابلة للتشكل المستمر، فهي مثالية للتنقل في البيئات الحساسة حيث قد تكون يد الإنسان خرقاء للغاية أو يكون القابض المعدني خطيراً جداً. فكر فيها كأنها المعادل الروبوتي للأخطبوط أو خرطوم الفيل، القادر على التسلل إلى المساحات الضيقة والتفاعل بأمان مع الأجسام الهشة. ومع ذلك، فإن هذه المرونة ذاتها تجعل التحكم بها صعباً للغاية؛ فخلافاً لذراع الروبوت الصلب الذي يتحرك في خطوط مستقيمة يمكن التنبؤ بها، يمتلك الروبوت اللين عدداً لا نهائياً من الطرق التي يمكنه من خلالها التماوج والتشوه. ولتوجيهه بدقة، يحتاج الكمبيوتر إلى خريطة مثالية لفيزيائه الداخلية، لكن هذه الخرائط غالباً ما تكون معقدة للغاية بحيث يصعب حسابها في الوقت الفعلي، كما أن القوانين الدقيقة التي تحكم سلوك المادة غالباً ما تكون مجهولة.
لسنوات طويلة، حاول المهندسون حل هذه المعضلة إما عن طريق تبسيط فيزياء الروبوت إلى تقريبات تقريبية، أو بتعليم الحواسيب تخمين الحركات الصحيحة من خلال التجربة والخطأ. وغالباً ما يفشل النهج الأول لأنه يتجاهل الطرق غير الخطية الدقيقة التي تسلكها المواد اللينة، بينما يتطلب النهج الثاني كميات هائلة من البيانات ومحاكيات قوية لا تترجم دائماً بشكل جيد إلى العالم الحقيقي. لقد كان التحدي يكمل في إيجاد حل وسط: طريقة لإنشاء نموذج بسيط وسريع ودقيق لحركة الروبوت اللين يمكن للكمبيوتر استخدامه لاتخاذ قرارات في أجزاء من الثانية، دون الحاجة لمعرفة كل تفصيل صغير في البنية الداخلية للروبوت.
وقد طور فريق من الباحثين الآن طريقة جديدة لسد هذه الفجوة، مما يسمح لهم بالتحكم في كل من موضع واتجاه ذراع روبوت لين بدقة غير مسبوقة. يعتمد نهجهم على مفهوم رياضي يسمى "المنبسط الطيفي الأديباتي" (adiabatic spectral submanifold)، والذي يمكن اعتباره بمثابة "هيكل عظمي" خفي ومنخفض الأبعاد يلتقط أهم حركات الروبوت مع تجاهل الضجيج الفوضوي. وفي العالم الفيزيائي، تُعد الروبوتات اللينة شديدة التبدد للطاقة، مما يعني أنها تفقد الطاقة بسرعة وتستقر سريعاً بعد تعرضها للاضطراب. وأدرك الباحثون أنه بينما تحدث الاهتزازات الداخلية للروبوت بسرعة كبيرة، فإن المهام التي نريد منها القيام بها — مثل نقل أداة إلى مكان محدد — تحدث ببطء أكبر بكثير. ومن خلال الفصل بين هاتين السرعتين، تمكنوا من تحديد سطح مبسط يتبع مسار حركة الروبوت بشكل طبيعي، مما أدى فعلياً إلى اختزال التعقيد اللانهائي للذراع اللينة إلى مجموعة من القواعد التي يمكن السيطرة عليها.
ولاختبار هذه الفكرة، بنى الفريق محاكاة عالية الدقة لذراع لينة تسمى "SoPrA"، يبلغ طولها ثمانية وعشرين سنتيمتراً وتعمل بست غرف هوائية داخلية. كما أضافوا محركاً عند القاعدة لتدوير الذراع بأكملها، مما سمح لهم بالتحكم ليس فقط في مكان طرف الذراع، بل أيضاً في الاتجاه الذي يشير إليه. ويعد التحكم في هذا الاتجاه أمراً بالغ الأهمية لمهام مثل إدخال أداة أو فحص سطح ما، وهو أمر ثبت صعوبة تحقيقه باستخدام الأساليب المعتمدة على البيانات سابقاً. قام الباحثون بتغذية المحاكاة بآلاف الحركات العشوائية لتوليد مجموعة بيانات، ثم استخدموا خوارزميتهم الجديدة لتعلم "الهيكل العظمي" الأساسي للروبوت مباشرة من البيانات، دون الحاجة لمعرفة الصلابة أو الوزن المحدد للمواد.
وكانت النتيجة نظام تحكم جديد يمكنه التنبؤ بمسار الروبوت المستقبلي بدقة مذهلة. وخلافاً للطرق القديمة التي افترضت أن الروبوت سيبقى في وضع ثابت وثابت أثناء إجراء تعديلات صغيرة، سمح هذا النظام الجديد للروبوت بالتحرك بحرية على مساره الطبيعي مع التعديل في الوقت نفسه لمواجهة الأخطاء الصغيرة. وفي اختباراتهم، قلل نظام التحكم الجديد من الخطأ في تتبع كل من الموضع والاتجاه بنسبة تزيد عن ستين بالمئة مقارنة بالتقنيات الحالية المعتمدة على البيانات. كما تفوق بشكل ملحوظ على النماذج الخطية، التي فشلت في التقاط المنحنيات المعقدة للروبوت، بل وتفوق حتى على النسخ السابقة من طريقتهم التي اعتمدت على تقريبات ثابتة. وكان النظام سريعاً بما يكفي للعمل في الوقت الفعلي، حيث يقوم بحساب التعديلات اللازمة في أقل من خمسة ميلي ثانية على جهاز كمبيوتر محمول قياسي.
ولعل الأهم من ذلك هو أن الباحثين وجدوا أن طريقتهم تعمل بشكل جيد حتى عندما يتحرك الروبوت بسرعة أكبر مما كان متوقعاً وفقاً للنظرية. وهذا يشير إلى أن النهج قوي بما يكفي للاستخدام العملي، حتى عندما لا تكون الظروف مثالية تماماً. ومن خلال الجمع بين الفهم العميق للديناميكيات الطبيعية للروبوت وعملية تعلم مرنة تعتمد على البيانات، نجح الفريق في ابتكار أداة قد تسمح للروبوتات اللينة في نهاية المطاف بأداء مهام دقيقة ومعقدة في العالم الحقيقي، من العمليات الجراحية إلى عمليات البحث والإنقاذ، بمستوى من الرشاقة والدقة كان بعيد المنال في السابق.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.