Learning Control as Enabling Layer for Embodied Intelligence Research explored with Soft Robotic Swimming in diverse Flow Speeds
Diese Arbeit zeigt auf, dass die Erweiterung der konventionellen PID-Regelung um ein lineares repetitives Lernschätzverfahren (PID-LRLES) die Verfolgungsgenauigkeit und Wiederholbarkeit des Schwimmens weicher Roboter über verschiedene Strömungsgeschwindigkeiten hinweg signifikant verbessert und somit eine robuste Basisschicht für die zukünftige Forschung im Bereich der verkörperten Intelligenz bereitstellt.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich einen Roboterfisch vor, der versucht, in einem Fluss zu schwimmen. In einem ruhigen, stillen Teich ist es für den Roboter einfach, seinen Schwanz in einem perfekten, rhythmischen Muster zu bewegen. Sobald das Wasser jedoch zu fließen beginnt, drückt die Strömung gegen den weichen, nachgiebigen Körper des Roboters. Dies lässt ihn wackeln, driften und seinen Rhythmus verlieren, ganz so, als würde man versuchen, in einer geraden Linie zu gehen, während jemand einen ständig von der Seite schubst.
Dieses Paper von Schwab und Kollegen stellt ein neues „Gehirn“ für Soft-Roboterfische vor, das ihnen hilft, auch dann auf Kurs zu bleiben, wenn das Wasser schnell fließt. So haben sie es gemacht, einfach erklärt:
Das Problem: Das „steife“ Gehirn vs. der „weiche“ Körper
Die Forscher bauten einen Roboterfisch mit einem Körper aus weichem Silikon, ähnlich einem echten Fisch. Um ihn zu steuern, verwendet man normalerweise ein Standard-Computerprogramm namens PID (denken Sie an dies als einen einfachen Autopiloten).
- In stillem Wasser: Der PID-Autopilot funktioniert großartig. Er sagt dem Roboter, dass er wackeln soll, und der Roboter wackelt perfekt.
- In fließendem Wasser: Der PID-Autopilot wird verwirrt. Er versucht, die Bewegungen des Roboters zu korrigieren, aber da das Wasser in einem sich wiederholenden Muster zurückdrückt (jedes Mal, wenn der Schwanz ausschlägt), gerät der Roboter in Verzug. Es ist, als würde man versuchen, zu einem Lied zu tanzen, während jemand ständig das Tempo ändert; der Tänzer (der Robota) kommt aus dem Takt und gerät ins Straucheln. Je schneller das Wasser fließt, desto schlechter wird der Roboter darin, dem Rhythmus zu folgen.
Die Lösung: Das „Gedächtnis“-Gehirn (PID-LRLES)
Das Team fügte dem Gehirn des Roboters eine spezielle „Lern“-Schicht hinzu, die PID-LRLES genannt wird. Man kann sich das so vorstellen, als würde man dem Roboter ein Kurzzeitgedächtnis speziell für den Rhythmus des Wassers geben.
- Wie es funktioniert: Anstatt nur auf den Fehler im jetzigen Moment zu reagieren (wie der einfache PID es tut), betrachtet dieses neue System, was in den letzten paar Schwanzbewegungen passiert ist.
- Die Analogie: Stellen Sie sich vor, Sie gehen auf einem Laufband, das plötzlich schneller wird. Ein einfacher Geher würde einfach stolpern und versuchen, aufzuholen. Ein „lernender“ Geher würde bemerken: „Oh, jedes Mal, wenn ich einen Schritt mache, drückt mich das Band ein Stück zurück.“ Also würde er beim nächsten Schritt unbewusst etwas fester drücken, bevor das Band ihn überhaupt bewegt. Er lernt das Muster des Drucks und gleicht es im Voraus aus.
- Das Ergebnis: Der Roboter lernt den spezifischen „Druck“, den das Wasser ihm bei jedem Wackeln gibt. Nach ein paar Sekunden (etlich 10 Sekunden oder 12 Schwanzschläge) passt er seine Bewegungen perfekt an, um den Druck des Wassers auszugleichen, und hält seinen Schwanz unabhängig von der Fließgeschwindigkeit des Wassers in einem glatten, perfekten Rhythmus.
Die Geheimzutat: Ein „Gefühls“-Sensor
Damit dieses Lernen funktioniert, muss der Roboter genau wissen, wie sich sein Körper biegt. Die Forscher haben einen weichen, flexiblen Sensor direkt an der Wirbelsäule des Roboters angebracht.
- Die Metapher: Denken Sie an diesen Sensor wie an die Propriozeption in Ihrem eigenen Körper (das Gefühl, das Ihnen sagt, wo sich Ihr Arm befindet, ohne dass Sie hinsehen müssen).
- Ohne diesen Sensor würde der Roboter nur raten, wie das Wasser ihn beeinflusst. Mit dem Sensor „fühlt“ der Roboter den Druck des Wassers auf seinen Körper in Echtzeit. Dieses Gefühl ermöglicht es dem „Gedächtnis“-Teil des Gehirns, das exakte Muster des Wasserdrucks zu lernen und es zu korrigieren.
Was sie herausgefunden haben
Die Forscher testeten den Roboter in einem Wasserkanal und erhöhten die Wassergeschwindigkeit von einem ruhigen Becken bis hin zu einem schnellen Strom (bis zu 32,6 cm/s).
- Einmalige Abstimmung: Sie richteten die Steuerung des Roboters in stillem Wasser ein und änderten die Einstellungen nie wieder. Sie mussten den Roboter nicht für jede neue Wassergeschwindigkeit neu abstimmen.
- Bessere Genauigkeit: Der Roboter mit dem „lernenden“ Gehirn blieb viel näher an seinem perfekten Schwimmrhythmus als der Roboter mit dem einfachen Gehirn.
- Konsistenz: Die Leistung des einfachen Roboters wurde schlechter und unvorhersehbarer, je schneller das Wasser floss. Der lernende Roboter blieb stabil und zuverlässig, egal wie schnell das Wasser war.
Warum das wichtig ist
Das Hauptziel dieser Forschung war nicht nur, einen besseren Schwimmleroboter zu bauen; es ging darum, eine zuverlässige Testplattform zu schaffen.
- Wissenschaftler nutzen diese Roboter, um zu untersuchen, wie verschiedene Schwanzformen (wie die von ausgestorbenen Fischen) das Schwimmen beeinflussen.
- Wenn der Schwimmvorgang des Roboters aufgrund des Wassers wackelig und inkonsistent ist, können Wissenschaftler nicht unterscheiden, ob ein Leistungsunterschied auf die Schwanzform oder nur darauf zurückzuführen ist, dass der Roboter einen schlechten Tag hatte.
- Durch die Verwendung dieser „lernenden“ Steuerung werden die Bewegungen des Roboters so konsistent, dass Wissenschaftler selbstbewusst sagen können: „Diese Schwanzform ist besser aufgrund ihrer Form, nicht wegen zufälligen Wackelbewegungen.“
Kurz gesagt zeigt das Paper, dass wir einem Soft-Roboter durch ein „Gedächtnis“ seines Wasser-Rhythmus und ein „Gefühl“ für seinen eigenen Körper helfen können, mit der gleichen Stabilität und Zuversicht wie ein echter Fisch zu schwimmen, selbst in einem reißenden Fluss. Dies schafft eine solide Grundlage für zukünftige Experimente darüber, wie Tiere schwimmen und wie wir bessere Unterwassermaschinen bauen können.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.