# Modulární robot s AI ovladačem se adaptuje na poškození v reálném čase
Výzkumníci Northwestern University vyvinuli modulárního robota, který využívá AI k generování strategií pohybu. Každý modul je autonomní uzel s baterií, motorem, procesorovou deskou, proprioceptivními a vestibulárními senzory. Části se otáčejí o 360° kolem osy, což umožňuje základní akce: skoky, otáčky, válení. Konstrukce se spojuje v 18 bodech s otočnými spoji o 120°, čímž vytváří 435 variant dvoumodulových konfigurací. Dokovací stanice na šroubech odolávají dynamickým zátěžím.
Systém spoléhá výhradně na interní senzory, bez externích dat z motion capture. AI trénuje ovladač na simulacích, které napodobují evoluci pro optimalizaci dráh.
Princip fungování jednoho modulu
Jeden blok demonstruje klíčové manévry s jednou stupněm volnosti:
- Skoky (F–I): otáčení částí generuje impuls pro vzestup.
- Ootáčky na místě (J–M): strategie je odolná vůči prevrácení, zachovává směr otáčení.
- Válení (N–P): odolnost vůči zatlačení dozadu s rychlým obnovením.
Moduly si vyměňují data pro koordinaci v sestavách. Při poškození nebo roztržení zbývající uzly přestavují pohyby: skoky, plazení, vlnovitý pohyb k dosažení cíle.
Trénink AI na základě expertových politik
Tým použil autoregresní model podobný LLM k syntéze senzorimotorických dat. Expertové ovladače jsou natrénovány pro scénáře:
- Neopoškozený robot (A, F).
- Ztráta jedné končetiny (B, D).
- Ztráta dvou končetin (C).
- Ztráta všech čtyř (E).
Model predikuje akce na základě historie senzorů a vytváří politiku nezávislou na amputacích. Testování ukázalo převahu nad základními ovladači při poškozeních:
- Odstranění jedné zadní končetiny: + vzdálenost.
- Odstranění obou zadních: + vzdálenost.
- Zbyl jen jeden modul: + vzdálenost.
U neopoškozeného robota je výkon shodný s expertovním.
Demonstrace více modulových konfigurací
Pěti modulová sestava zvládá akrobacii:
- Skoky s otočkou o 66° ve vzduchu (B–F).
- Samovyrovnání z prevržené polohy (G–L): ohnutí a zkroucení pro obnovení pozice.
Všechny konfigurace lze natrénovat na tyto akce. Robot ignoruje neočekávaná poškození a soustředí se na čistý pohyb z bodu A do B.
Co je důležité:
- Modulárnost zajišťuje odolnost vůči selhání: rozřezání na polovinu nezastaví pohyb.
- AI ovladač využívá pouze proprioceptivní/vestibulární data.
- Autoregresní trénink syntetizuje politiky pro libovolná poškození.
- 435 variant dvoumodulových + více modulové sestavy.
- Benchmarky potvrzují růst efektivity při amputacích.
Perspektivy využití v robotice
Přístup lze škálovat pro reálné úkoly: pátrací a záchranné operace, planetární rovery. Nezávislost na morfologii usnadňuje nasazení v neznámých prostředích. Pro středně/pokročilé vývojáře je klíčové transfer learning expertových politik do generačních modelů bez motion capture. Realizace vyžaduje simulátory s fyzikou kloubů a vysoce namáhaných spojů.
— Editorial Team
Zatím žádné komentáře.