# Modułowy robot z kontrolerem AI adaptuje się do uszkodzeń w czasie rzeczywistym
Badacze z Northwestern University opracowali modułowego robota wykorzystującego AI do generowania strategii poruszania się. Każdy moduł to autonomiczny węzeł z baterią, silnikiem, płytką przetwarzającą, proprioceptywnymi i błędnikowymi czujnikami. Segmenty obracają się o 360° wokół osi, umożliwiając podstawowe działania: skoki, obroty, toczenie się. Konstrukcja łączy się w 18 punktach z obrotami o 120°, tworząc 435 wariantów konfiguracji dwumodułowych. Stacje dokujące na śrubach wytrzymują dynamiczne obciążenia.
System opiera się wyłącznie na wewnętrznych sensorach, bez zewnętrznych danych motion capture. AI uczy kontroler na symulacjach, imitując ewolucję w celu optymalizacji trajektorii.
Zasada działania pojedynczego modułu
Pojedynczy blok demonstruje kluczowe manewry z jednym stopniem swobody:
- Skoki (F–I): obrót segmentów generuje impuls do wzniesienia.
- Obroty w miejscu (J–M): strategia odporna na inwersję, zachowująca kierunek obrotu.
- Toczenie się (N–P): odporność na pchnięcia wstecz z szybkim powrotem do równowagi.
Moduły wymieniają dane w celu koordynacji w zespołach. W przypadku uszkodzenia lub rozerwania pozostałe węzły przebudowują ruchy: skoki, pełzanie, falista lokomocja, by osiągnąć cel.
Nauka AI oparta na politykach eksperckich
Zespół zastosował autoregresyjny model analogiczny do LLM do syntezy danych sensoryczno-motorycznych. Kontrolery eksperckie są wyszkolone dla scenariuszy:
- Nieszkodzony robot (A, F).
- Utrata jednej kończyny (B, D).
- Utrata dwóch kończyn (C).
- Utrata wszystkich czterech (E).
Model przewiduje działania na podstawie historii sensorów, tworząc politykę niezależną od amputacji. Testy wykazały przewagę nad bazowymi kontrolerami przy uszkodzeniach:
- Usunięcie jednej tylnej kończyny: + przemieszczenie.
- Usunięcie obu tylnych: + przemieszczenie.
- Pozostawienie jednego modułu: + przemieszczenie.
Dla nieszkodzonego robota wydajność jest identyczna z ekspercką.
Demonstracje konfiguracji wielomodułowych
Pięciomodułowa konstrukcja opanowuje akrobatykę:
- Skoki z obrotem o 66° w powietrzu (B–F).
- Samowyprostowanie z odwróconej pozycji (G–L): wygięcie i skręt do odzyskania postawy.
Wszystkie konfiguracje są uczone tych działań. Robot ignoruje nieprzewidziane uszkodzenia, skupiając się na czystym przemieszczeniu z punktu A do B.
Co ważne:
- Modułowość zapewnia odporność na awarie: przecięcie na pół nie zatrzymuje ruchu.
- Kontroler AI korzysta tylko z danych proprioceptywnych/błędnikowych.
- Autoregresyjne uczenie syntetyzuje polityki dla dowolnych uszkodzeń.
- 435 dwumodułowych wariantów + konstrukcje wielomodułowe.
- Benchmarki potwierdzają wzrost efektywności przy amputacjach.
Perspektywy zastosowań w robotyce
Podejście skaluje się do rzeczywistych zadań: operacje poszukiwawczo-ratunkowe, łaziki planetarne. Brak zależności od morfologii ułatwia wdrożenie w nieznanych środowiskach. Dla middle/senior developerów kluczowy jest transfer learning polityk eksperckich do modeli generatywnych bez motion capture. Realizacja wymaga symulatorów z fizyką przegubów i wysokoobciążonych połączeń.
— Editorial Team
Brak komentarzy.