您好,欢迎进入tyc1286太阳集团(中国)NO.1官网!

一站式服务商

提供留学、移民、海外置业、在职提升等一条龙服务

18548177000

热门关键词:  美国留学英国留学加拿大留学澳大利亚留学新西兰留学中国香港留学

某某品牌策划有限公司
邮箱:123454678@qq.com
手机:13899999999
电话:020-88888888
地址:安徽省合肥市高新区长江东路

新闻资讯
您的位置: 网站首页  > 新闻资讯

麻省理工学院:开源平台为软机器人设计师模拟野生动物

发布时间:2023-05-03浏览次数:3615

SoftZoo是一个软机器人协同设计平台,可以测试机器人在不同环境中的形状和尺寸。

自2008年采用“软机器人”一词以来,该领域的工程师一直在构建各种用于探索,运动,康复甚至太空的柔性机器。灵感来源之一:动物在野外的移动方式。

麻省理工学院的一个研究人员团队更进一步,开发了SoftZoo,这是一个受生物启发的平台,使工程师能够研究软机器人协同设计。该框架优化了由设计组成的算法,该算法决定了机器人的外观;和控制,或支持机器人运动的系统,改善用户自动生成潜在机器轮廓的方式。

该平台在野外散步,以熊猫熊、鱼类、鲨鱼和毛毛虫等动物的 3D 模型为设计,可以模拟软机器人任务,如运动、敏捷转弯和不同环境中的路径跟踪。无论是雪、沙漠、粘土还是水,该平台都展示了各种设计在不同地形下的性能权衡。

“我们的框架可以帮助用户找到机器人形状的配置,使他们能够设计可以做许多不同事情的软机器人算法,”麻省理工学院博士生Tsun-Hsuan Wang说,他是计算机科学和人工智能实验室(CSAIL)的附属机构,他是该项目的首席研究员。“从本质上讲,它帮助我们了解机器人与环境交互的策略。

SoftZoo比已经模拟设计和控制的类似平台更全面,因为它模拟了对各种生物群落的物理特征做出反应的运动。该框架的多功能性来自可微分的多物理场引擎,该引擎允许同时模拟物理系统的多个方面,例如小海豹在冰上转动或毛毛虫在湿地环境中缓慢行驶。该引擎的可微性通过减少解决计算控制和设计问题所需的通常昂贵的仿真次数来优化协同设计。因此,用户可以使用更复杂的指定算法设计和移动软机器人。

该系统模拟与不同地形相互作用的能力说明了形态学的重要性,形态学是研究不同生物体的形状,大小和形式的生物学分支。根据环境的不同,一些生物结构比其他生物结构更优化,就像比较完成类似任务的机器的蓝图一样。

这些生物轮廓可以激发更专业的、针对特定地形的人工生命。“水母柔和起伏的几何形状使其能够有效地穿越大片水域,激发研究人员开发新型软机器人,并为完全在计算机中培养的人造生物开辟了无限的可能性,”王说。“此外,蜻蜓可以执行其他飞行生物无法完成的非常敏捷的动作,因为它们的翅膀上有特殊的结构,在飞行时会改变它们的质心。我们的平台优化了运动,就像蜻蜓自然更擅长在周围环境中工作一样。

以前,机器人很难在杂乱的环境中导航,因为它们的身体不符合周围环境。不过,有了SoftZoo,设计师可以同时开发机器人的大脑和身体,共同优化陆地和水上机器,以提高意识和专业化。随着行为和形态智能的增加,机器人在完成救援任务和进行探索方面将更加有用。例如,如果一个人在洪水期间失踪,机器人可能会更有效地穿越水域,因为它使用SotftZoo平台中演示的方法进行了优化。

“SoftZoo为软机器人设计师提供开源模拟,帮助他们更轻松,更灵活地构建真实世界的机器人,同时加速机器在不同环境中的运动能力,”该研究的共同作者Chuang Gan补充道,他是麻省理工学院-IBM Watson AI实验室的研究科学家,他很快将成为马萨诸塞大学阿默斯特分校的助理教授。

“这种共同设计软机器人身体及其大脑(即它们的控制器)的计算方法为快速创建专为特定任务设计的定制机器打开了大门,”CSAIL主任Daniela Rus补充道,麻省理工学院电气工程与计算机科学系(EECS)的Andrew和Erna Viterbi教授,他是这项工作的另一位作者。

在构建任何类型的机器人之前,该框架可以替代现场测试不自然的场景。例如,评估类似熊的机器人在沙漠中的行为对于在波士顿城市平原工作的研究团队来说可能具有挑战性。相反,软机器人工程师可以在SoftZoo中使用3D模型来模拟不同的设计,并评估控制机器人的算法在导航中的效果。反过来,这将节省研究人员的时间和资源。

尽管如此,当前制造技术的局限性阻碍了这些软机器人设计栩栩如生。“从模拟到物理机器人的转移仍未解决,需要进一步研究,”王说。“SoftZoo中的肌肉模型,空间变化的刚度和传感器化无法用当前的制造技术直接实现,因此我们正在应对这些挑战。

未来,该平台的设计者正在关注人体力学中的应用,例如操纵,因为它能够测试机器人控制。为了展示这种潜力,Wang的团队设计了一个3D手臂,向前扔雪球。通过包括对更像人类的任务的模拟,软机器人设计师可以使用该平台来评估抓取、移动和堆叠物体的软机械臂。

Wang,Gan和Rus与EECS博士生和CSAIL附属公司Pingchuan Ma,哈佛大学博士后Andrew Spielberg博士'21,卡内基梅隆大学博士生周贤,麻省大学阿默斯特分校副教授张浩,麻省理工学院脑和认知科学教授以及CSAIL附属公司Joshua B. Tenenbaum一起撰写了一篇关于这项工作的论文

Wang在MIT-IBM Watson AI Lab实习期间完成了这项工作,NSF EFRI计划,DARPA MCS计划,MIT-IBM Watson AI Lab以及MERL,思科和亚马逊的捐赠资金都为该项目提供了支持。该团队的研究将在本月的2023年学习表征国际会议上发表。


蒙公网安备 15010302000536号