Роботы будущего: эволюция для адаптации к окружающим условиям


Роботы будущего: эволюция для адаптации к окружающим условиям

В настоящее время, конструирование роботов происходит опираясь на хорошо знакомые образцы механизмов.
Однако, в будущем, многоообещающим может стать подход автоматического проектирования новых роботов, когда конструкция робота получается в результате многократного моделирования взаимодействия робота с окружающей средой, что повышает возможности адаптации машины к условиям окружающей среды.
Разумеется, алгоритм не играет как рулетка казино, где параметры выбираются случайным образом, а представляет собой сложный эволюционный механизм, нацеленный на идеальную адаптацию к окружающей среде, как это происходит в природе с животными.

Исследователи из Австралии (The Commonwealth Scientific and Industrial Research Organisation (CSIRO), Канберра) предлагают концепцию «многоуровневой эволюции» (Multi-Level Evolution (MLE)) — автоматический процесс проектирования «снизу вверх», который проектирует роботов сразу на нескольких уровнях и приводит их в соответствие с задачами и условиями окружающей среды. Многоуровневая эволюция позволяет одновременно исследовать составляющие материалы строительных блоков, а также их возможные сборки в специализированных морфологических и сенсомоторных конфигурациях.

В рамках подобного подхода, внешний вид робота становится не важным — главное, чтобы он мог выполнять свою задачу. Поэтому роботы, которые могут появиться в будущем, вряд ли будут походить на, привычных нам сегодня по массовой культуре, человекоподобных андроидов.

Роботы, которые сейчас всё больше распространяются вокруг, в основном предназначены для работы в «структурированной» среде. Например, роботы-манипуляторы — их взаимодействие с окружающей средой предсказуемо и легко контролируется.
С другой стороны — роботы, предназначенные для работы в сложных, непредсказуемых, «неструктурированных» условиях: исследования природы, спасательные работы в разрушенных зданиях и т. п.
Для решения подобных задач и пригодится проектирование роботов, которое подстраивается и подбирает способ его воплощения, позволяющее решать требуемые задачи в подобных сложных неструктурированных средах.

Процедура многоуровневой эволюции (MLE) содержит в себе трехуровневую архитектуру (хотя число уровней может быть расширено в случае необходимости — для учёта специфичных проблем и требований). Эти три уровня — это естественное разделение, основанное на естественных разграничениях в устоявшихся областях — материаловедения, проектирования компонентов, робототехники.

На самом нижнем уровне происходит выбор материалов. На следующем уровне из выбранных материалов создаются требуемые компоненты, которые формируют структуру из одного или нескольких материалов. Далее, из компонентов создаются роботы, в результате интеграции компонентов в шаблон «план тела» робота и оценки как он подходит для выполнения задач в требуемой среде. В результате этого процесса, происходит обнаружение новых материалов и компонентов, что постоянно расширяет спектр возможных конструкций роботов.

Разумеется, подход MLE сильно контрастирует с традиционными инженерными подходами, которые из-за компромиссов, ограничений по времени и затратам — часто ищут универсальные решения и роботов, которые могут иметь более широкий спектр применений с приемлемым уровнем производительности. MLE — это подход универсального дизайна (в более широком пространстве проектирования и подходящим для любых задач и сред), который генерируется за счет использования разнообразия на всех уровнях проектирования и возможность появления полезных комбинаций уникальных артефактов.

MLE является естественным продолжением эволюционной робототехники, которая использует итеративные генетические алгоритмы, для генерации тел и мозгов роботов.

Типичный эксперимент эволюционной робототехники определяет представление — как генотип (строка чисел) отображается на фенотип (физический робот). Чтобы охватить достаточную сложность, эти представления обычно являются косвенными. Простые генотипы определяют более сложные фенотипы роботов, потенциально включающие в себя наблюдаемые в природе особенности, включая повторное использование генов (например, для кодирования двух идентичных глаз), радиальную и двухстороннюю симметрию (в природе — в планах тела) и коэффициенты масштабирования. Программа случайным образом инициализирует совокупность представлений, а далее проверяет их производительность в зависимости от заданной пользователем «функции приспособленности» (fitness function). По аналогии с генетической мутацией и рекомбинацией вызываются различия в генотипах для создания нового поколения, где предпочтение отдаётся «родителям» с лучшей приспособленностью. Этот процесс повторяется до тех пор, пока не будет достигнут приемлемый уровень приспособленности.

Архитектура MLE предлагает следующую структуру:

1.Три вертикально сложенных уровня (робот, компонент, материал). Роботы — это объединение компонентов, где компонент представляет собой комбинацию формы (геометрии) и одного или нескольких материалов.

2. По крайней мере, один процесс поиска на уровень, который отвечает за поиск новых артефактов на данном уровне. Например, на уровне компонентов — могут быть запущены процессы поиска для приводов, датчиков и конструктивных элементов.

3. Гибридизация — новая концепция, обеспечивающая идентичность реального и виртуального геномов как для физического, так и для виртуального создания. Это означает, что можно легко «скрестить» виртуальные и реальные артефакты.

многоуровневая эволюция - эволюция робота для адаптации к окружающим условиям

Как новая парадигма для разработки роботов, MLE, естественно, будет стремиться к определенным приложениям. Например, в применении к быстро развивающуйся области “мягкой робототехники”: деформируемые роботы, которые выдерживают разрушения — удобные для использования в неструктурированных средах. Интеграция восприятия, приведения в действие и деформации является фундаментальной проблемой для мягкой робототехники, и MLE наиболее просто позволяет использовать единую библиотеку многофункциональных компонентов.
MLE идеально подходит для разработки мягких роботов, используя разнообразие для всестороннего изучения пространства их применения.
Кроме того, MLE позволит автоматически проектировать подходящих роботов (уникальные комбинации материалов, морфологии и поведения) для каждой требуемой среды.
Возможно, они будут напоминать насекомых: относительно простые, маленькие, высокоинтегрированные, высоко специализированные роботы, пригодные для выполнения требуемой работы. Одна и та же архитектура MLE с общими материалами и одинаковыми целями сможет адаптировать роботов для учета сезонных различий в биоме или сможет проектировать их для каждой среды использования.

Конвергенция материалов, производства и дизайна прокладывает путь к принципиально новым способам производства роботов. Будущее применения архитектуры MLE заключается в интеграции различных технологий под эволюционным зонтиком. Учитывая, что естественная эволюция преуспела в заполнении практически всех экологических ниш на Земле высокоадаптированными формами жизни, этот подход имеет большие перспективы в качестве технологии роботизированного проектирования.

Ссылки
Evolving embodied intelligence from materials to machines
Robots of the future: more R2D2 than C3PO

По теме
Будущее за бионическими роботами?
Преодолевая барьер поведенческой сложности для искусственной эволюции
Робот-манипулятор собирает других роботов в эксперименте с искусственной эволюцией


Добавить комментарий

Arduino

Что такое Arduino?
Зачем мне Arduino?
Начало работы с Arduino
Для начинающих ардуинщиков
Радиодетали (точка входа для начинающих ардуинщиков)
Первые шаги с Arduino

Разделы

  1. Преимуществ нет, за исключением читабельности: тип bool обычно имеет размер 1 байт, как и uint8_t. Думаю, компилятор в обоих случаях…

  2. Добрый день! Я недавно начал изучать программирование под STM32 и ваши уроки просто бесценны! Хотел узнать зачем использовать переменную типа…

3D-печать AI Android Arduino Bluetooth CraftDuino DIY IDE iRobot Kinect LEGO OpenCV Open Source Python Raspberry Pi RoboCraft ROS swarm ИК автоматизация андроид балансировать бионика версия видео военный датчик дрон интерфейс камера кибервесна манипулятор машинное обучение наше нейронная сеть подводный пылесос работа распознавание робот робототехника светодиод сервомашинка собака управление ходить шаг за шагом шаговый двигатель шилд юмор

OpenCV
Робототехника
Будущее за бионическими роботами?
Нейронная сеть - введение