Real-time Estimator of Actuator Control and Health (REACH) on an Eel-Inspired Soft Robot
Dieses Paper präsentiert REACH, einen Echtzeit-Algorithmus, der ein Soft-Robot-Modell, einen Sigma-Punkt-Filter und statistische Hypothesentests nutzt, um den Zustand der Aktuatoren sowie deren Degradation bei aal-inspirierten Unterwasserrobotern über verschiedene Schwimmbewegungen und Sensorkonfigurationen hinweg präzise zu schätzen.
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
Tief unter der Oberfläche, wo das Sonnenlicht verblasst und der Druck zunimmt, sind autonome Maschinen damit beauftragt, das Unbekannte zu erforschen. Diese Unterwasserfahrzeuge, die darauf ausgelegt sind, ohne menschliche Anleitung zu operieren, stehen vor einer einzigartigen Herausforderung: Die Materialien, die sie flexibel und anpassungsfähig machen, sind gleichzeitig ihr schwächstes Glied. Im Gegensatz zu starren Metallrobotern bestehen Soft-Roboter aus biegsamen Substanzen, die sich wie Lebewesen biegen und winden können, was es ihnen ermöglicht, durch enge Räume zu gleiten und sich geräuschlos zu bewegen. Diese weichen Materialien sind jedoch anfällig für Verschleiß, Risse oder den einfachen Verlust ihrer Festigkeit im Laufe der Zeit. Wenn ein Unterwasserroboter nicht erkennen kann, dass seine Muskeln versagen, kann er vom Kurs abkommen oder stranden und unfähig sein, in Sicherheit zurückzukehren. Die entscheidende Frage für Ingenieure ist, wie man diesen Maschinen ein Gefühl für ihre eigene interne Gesundheit geben kann, damit sie Schäden sofort erkennen und ihre Bewegungen anpassen können, um zu überleben.
Forscher haben ein neues System namens REACH entwickelt, um dieses Problem für einen speziellen Typ von Unterwasserroboter zu lösen, der wie ein Aal schwimmen soll. Dieser Roboter, der von einem Team der Cornell University und der University of California San Diego gebaut wurde, ahmt die undulierende Bewegung eines Aals nach, indem er eine Serie von weichen, wassergefüllten Kammern nutzt, die sich ausdehnen und zusammenziehen, um ihn vorwärts zu treiben. Die Forscher erstellten einen digitalen Zwilling dieses Roboters, eine hochentwickelte Simulation, die vorhersagt, wie sich die Maschine unter idealen Bedingungen bewegen sollte. Dann bauten sie eine reale Version des Roboters und platzierten ihn in einem Wassertank, um zu testen, ob sie die Differenz zwischen der erwarteten Bewegung und der tatsächlichen Bewegung nutzen konnten, um festzustellen, wann ein Aktuator – der „Muskel“ des Roboters – versagte. Das System funktioniert dadurch, dass es ständig vergleicht, was der Roboter tut, mit dem, was er tun sollte, wobei es eine statistische Methode verwendet, die mit der unordentlichen, unvorhersehbaren Natur der Fluiddynamik und der weichen Materialien umgehen kann.
Um dieses System zum Laufen zu bringen, musste das Team entscheiden, welche Sensoren die besten Daten liefern würden. Sie testeten drei verschiedene Arten von Messwerkzeugen: ein globales Positionierungssystem zur Verfolgung der Position, eine inertiale Messeinheit zur Erfassung von Beschleunigung und Orientierung sowie flexible Biegesensoren, die direkt am Körper des Roboters angebracht sind. Die Ergebnisse waren eindeutig und überraschend. Das globale Positionierungssystem, das oft als Standard für die Navigation gilt, erwies sich für diese spezifische Aufgabe als nutzlos. Da sich der Roboter langsam bewegt und die Wassernumgebung komplex ist, war die Positionsdatenlage zu langsam, um auf plötzliche Ausfälle zu reagieren. Im Gegensatz dazu schnitten die Biegesensoren und die inertialen Messeinheiten außergewöhnlich gut ab. Die Biegesensoren, die messen, wie stark sich der Körper des Roboters krümmt, konnten einen Ausfall fast sofort erkennen, während die inertialen Einheiten, die erfassen, wie der Roboter zittert und sich dreht, nahezu ebenso effektiv waren.
Die Forscher untersuchten auch, wie viele Sensoren tatsächlich benötigt wurden, um den Roboter sicher zu halten. Sie fanden heraus, dass für die inertialen Messeinheiten die Platzierung von nur zwei Sensoren auf dem Roboter ausreichte, um den Gesundheitszustand all seiner Muskeln genau zu diagnostizieren. Für die Biegesensoren, die lokalisierter sind und nur den Teil des Roboters „sehen“, an dem sie befestigt sind, waren drei Sensoren erforderlich, um ein vollständiges Bild des Zustands des Roboters zu erhalten. Diese Unterscheidung ist für zukünftige Designs von entscheidender Bedeutung, da das Hinzufügen zu vieler Sensoren den Roboter schwer und teuer machen kann, während zu wenige ihn blind für Schäden lässt. Das Team testete das System unter drei verschiedenen Schwimmstilen: gerades Schwimmen, weite Kurven machen und enge, scharfe Kurven ausführen. In jedem Szenario identifizierte das System erfolgreich, wenn ein Muskel versagte, unabhängig davon, wie sich der Roboter bewegte.
Schließlich nahmen die Forscher das System aus dem Computer und mit einem physischen Roboterfisch mit ins Wasser. Sie verschlechterten die Leistung der Muskeln des Roboters absichtlich, indem sie den Wasserfluss zu bestimmten Kammern reduzierten, was einen Riss oder einen Pumpenausfall simulierte. Das System konnte unter Verwendung der Daten der Biegesensoren diese Veränderungen in Echtzeit erkennen. Obwohl die Schätzungen in den ersten Sekunden nicht immer perfekt präzise waren – wahrscheinlich aufgrund der Zeit, die die Wasserpumpen benötigten, um hochzufahren –, stabilisierte sich das System schnell und identifizierte korrekt, welche Muskeln beschädigt waren und in welchem Ausmaß. Die Studie zeigt, dass durch die Kombination einer realistischen Simulation mit der richtigen Mischung aus Sensoren Soft-Roboter die Fähigkeit erhalten können, ihre eigene Gesundheit zu überwachen, wodurch sichergestellt wird, dass sie ihre Missionen abschließen und nach Hause zurückkehren können, selbst wenn Teile ihrer Körper zu versagen beginnen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.