Real-time Estimator of Actuator Control and Health (REACH) on an Eel-Inspired Soft Robot
Dit artikel presenteert REACH, een realtime algoritme dat een soft robotmodel, een sigma-pointfilter en statistische hypothesetoetsing gebruikt om de gezondheid en degradatie van actuatoren in paling-geïnspireerde onderwaterrobots nauwkeurig te schatten over verschillende zwemgebaren en sensorconfiguraties heen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Diep onder het oppervlak, waar het zonlicht vervaagt en de druk toeneemt, hebben autonome machines de taak om het onbekende te verkennen. Deze onderwatervoertuigen, ontworpen om zonder menselijke begeleiding te opereren, staan voor een unieke uitdaging: de materialen die hen juist flexibel en aanpasbaar maken, zijn ook hun zwakste schakel. In tegenstelling tot starre metalen robots, zijn zachte robots gebouwd van buigzame stoffen die kunnen buigen en draaien als levende wezens, waardoor ze door nauwe ruimtes kunnen glippen en zich geruisloos kunnen voortbewegen. Deze zachte materialen zijn echter gevoelig voor slijtage, scheuren of simpelweg het verlies van hun kracht in de loop van de tijd. Als een onderwaterrobot niet kan doorhebben dat zijn spieren falen, kan hij uit koers raken of gestrand raken, onmachtig om veilig terug te keren. De cruciale vraag voor ingenieurs is hoe ze deze machines een gevoel van hun eigen interne gezondheid kunnen geven, zodat ze schade direct kunnen detecteren en hun bewegingen kunnen aanpassen om te overleven.
Onderzoekers hebben een nieuw systeem ontwikkeld genaamd REACH om dit probleem op te lossen voor een specifiek type onderwaterrobot dat is ontworpen om te zwemmen als een paling. Deze robot, gebouwd door een team van Cornell University en de University of California San Diego, bootst de golvende beweging van een paling na, waarbij gebruik wordt gemaakt van een reeks zachte, met water gevulde kamers die uitzetten en samentrekken om het voort te stuwen. De onderzoekers creëerden een digitale tweeling van deze robot, een geavanceerde simulatie die voorspelt hoe de machine zou bewegen onder perfecte omstandigheden. Vervolgens bouwden ze een real-world versie van de robot en plaatsten deze in een watertank om te testen of ze het verschil tussen de verwachte beweging en de werkelijke beweging konden gebruiken om te achterhalen wanneer een actuator — de "spier" van de robot — aan het falen was. Het systeem werkt door constant te vergelijken wat de robot doet tegenover wat hij zou moeten doen, gebruikmakend van een statistische methode die de rommelige, onvoorspelbare aard van vloeistofdynamica en zachte materialen kan afhandelen.
Om dit systeem te laten werken, moest het team beslissen welke sensoren de beste gegevens zouden leveren. Ze testten drie verschillende soorten meetinstrumenten: een global positioning system om de locatie te volgen, een inertieel meetinstrument (IMU) om versnelling en oriëntatie te detecteren, en flexibele buigsensoren die direct aan het lichaam van de robot zijn bevestigd. De resultaten waren duidelijk en verrassend. Het global positioning system, vaak de standaard voor navigatie, bleek nutteloos voor deze specifieke taak. Omdat de robot langzaam beweegt en de wateromgeving complex is, was de positiegegevens te traag om te reageren op plotselinge defecten. In tegenstelling hiertoe presteerden de buigsensoren en de inertiële meetinstrumenten uitzonderlijk goed. De buigsensoren, die meten hoeveel de robot lichaamsvorm buigt, waren in staat een defect bijna onmiddellijk te detecteren, terwijl de inertiële eenheden, die registreren hoe de robot schudt en draait, bijna even effectief waren.
De onderzoekers onderzochten ook hoeveel sensoren er daadwerkelijk nodig waren om de robot veilig te houden. Ze ontdekten dat voor de inertiële meetinstrumenten het plaatsen van slechts twee sensoren op de robot voldoende was om de gezondheid van al zijn spieren nauwkeurig te diagnosticeren. Voor de buigsensoren, die lokaler zijn en alleen "zien" welk deel van de robot ze zijn bevestigd, waren drie sensoren vereist om een compleet beeld van de conditie van de robot te krijgen. Dit onderscheid is essentieel voor toekomstige ontwerpen, aangezien het toevoegen van te veel sensoren een robot zwaar en duur kan maken, terwijl te weinig sensoren de robot blind laat voor schade. Het team testte het systeem onder drie verschillende zwemstijlen: recht zwemmen, brede bochten maken en scherpe, krappe bochten maken. In elk scenario identificeerde het systeem succesvol wanneer een spier faalde, ongeacht hoe de robot bewoog.
Ten slotte bracht het team het systeem uit de computer en de water in met een fysieke robotvis. Ze degradeerden doelbewust de prestaties van de spieren van de robot door de watertoevoer naar specifieke kamers te verminderen, wat een scheur of een pompdefect simuleert. Het systeem kon, gebruikmakend van de gegevens van de buigsensoren, deze veranderingen in realtime detecteren. Hoewel de schattingen in de eerste paar seconden niet altijd perfect nauwkeurig waren — waarschijnlijk door de tijd die de waterpompen nodig hadden om op te toppen — stabiliseerde het systeem zich snel en identificeerde het correct welke spieren beschadigd waren en in welke mate. De studie toont aan dat door een realistische simulatie te combineren met de juiste mix van sensoren, zachte robots het vermogen kunnen krijgen om hun eigen gezondheid te monitoren, waardoor ze hun missies kunnen voltooien en veilig thuis kunnen terugkeren, zelfs wanneer onderdelen van hun lichaam beginnen te falen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.