Η Κίνα εκπαιδεύει ρομπότ να πηδούν σαν γάτες για να εξερευνούν αστεροειδείς

[διαφήμιση_1]

Εμπνευσμένη από την ικανότητα των γατών να γυρίζουν και να προσγειώνονται, μια ερευνητική ομάδα στο Ινστιτούτο Τεχνολογίας Χαρμπίν (Κίνα) χρησιμοποίησε την ενισχυτική μάθηση (RL) - έναν τύπο τεχνητής νοημοσύνης (AI) - για να εκπαιδεύσει ρομπότ ώστε να προσαρμόζουν τη στάση τους στον αέρα όταν πηδούν πάνω από τραχιές, χαμηλής βαρύτητας επιφάνειες σε αστεροειδείς.

Μια κινεζική ερευνητική ομάδα εκπαίδευσε ένα τετράποδο ρομπότ ώστε να προσαρμόζει τη στάση του και να προσγειώνεται σαν γάτα για να κινείται στην επιφάνεια ενός αστεροειδούς. (Φωτογραφία: SCMP)

Σε αντίθεση με τα παραδοσιακά συστήματα που βασίζονται σε εξειδικευμένο αλλά βαρύ υλικό σταθεροποίησης, το ρομπότ χρησιμοποιεί ένα σύστημα ελέγχου «χωρίς μοντέλο» για να κινεί τα τέσσερα πόδια του σε συντονισμένη κίνηση. Αυτό επιτρέπει στο ρομπότ να προσαρμόζει την κλίση του και να επαναπροσανατολίζει την κατεύθυνση της πορείας του στον αέρα, αναφέρουν οι ερευνητές στο Journal of Astronautics.

Η έρευνα αντιμετωπίζει μια βασική πρόκληση με τα άλματα των ρομπότ όταν κινούνται σε αστεροειδείς, όπου το περιβάλλον έχει χαμηλή βαρύτητα και ακόμη και μια μικρή ανισορροπία στις δυνάμεις των ποδιών μπορεί να προκαλέσει ανεξέλεγκτη περιστροφή του ρομπότ, ανεπιτυχή προσγείωση ή πλήρη αναπήδηση από την επιφάνεια.

«Στο περιβάλλον χαμηλής βαρύτητας των αστεροειδών, τα ρομπότ βιώνουν μεγάλα διαστήματα ελεύθερης πτώσης κατά τη διάρκεια κάθε άλματος. Είναι σημαντικό να χρησιμοποιείται αυτός ο χρόνος για να ρυθμίζεται η εκτροπή που προκαλείται από το άλμα, για να διασφαλίζεται μια ασφαλής προσγείωση ή για να αλλάζει η γωνία περιστροφής για να προσαρμόζεται η κατεύθυνση της κίνησης», ανέφερε η ομάδα στην έκθεση.

«Σχεδιάστηκε και κατασκευάστηκε μια πλατφόρμα προσομοίωσης μικροβαρύτητας για να επαληθευτεί η αποτελεσματικότητα αυτής της μεθόδου άλματος μέσω πειραμάτων σε ένα πρωτότυπο τετράποδου ρομπότ», πρόσθεσε η ομάδα.

Οι αστεροειδείς είναι απομεινάρια του σχηματισμού του ηλιακού συστήματος και κρατούν το κλειδί για την αποκρυπτογράφηση της προέλευσής του. Είναι επίσης πλούσιοι σε πόρους όπως η πλατίνα και άλλα σπάνια μέταλλα, τα οποία θα μπορούσαν να βοηθήσουν στη μελλοντική εξερεύνηση του διαστήματος και στις βιομηχανικές εφαρμογές.

Προκλήσεις στην επιφάνεια του αστεροειδούς

Μέχρι στιγμής, διαστημικές υπηρεσίες στην Ευρώπη, την Ιαπωνία και τις ΗΠΑ έχουν προσγειώσει με επιτυχία διαστημόπλοια σε αστεροειδείς για να ανακτήσουν δείγματα, αλλά καμία δεν έχει αναπτύξει ρόβερ ικανά για μακροπρόθεσμη εξερεύνηση της επιφάνειας.

Τα παραδοσιακά τροχοφόρα ρόβερ, όπως αυτά που χρησιμοποιούνται στη Σελήνη και τον Άρη, αντιμετωπίζουν προκλήσεις σε περιβάλλοντα αστεροειδών επειδή η ασθενής βαρύτητα, συνήθως μόλις μερικά χιλιοστά της Γης, δεν παρέχει αρκετή πρόσφυση για να λειτουργούν αποτελεσματικά οι τροχοί.

Για να αντιμετωπίσουν αυτούς τους περιορισμούς, οι επιστήμονες έχουν προτείνει τη χρήση ρομπότ που πηδούν σε μελλοντικές αποστολές, αλλά αυτό παρουσιάζει ένα νέο σύνολο προκλήσεων.

Κάθε φορά που πηδάει, το ρομπότ παραμένει στον αέρα για περίπου 10 δευτερόλεπτα, αρκετό χρόνο ώστε οι ανισορροπημένες δυνάμεις που ασκούνται στα πόδια να προκαλέσουν ανεξέλεγκτη περιστροφή του ρομπότ ή ακόμα και αναπήδηση από την επιφάνεια και παρασυρόμενο στο διάστημα.

Η ομάδα του Χαρμπίν χρησιμοποίησε την τεχνολογία RL για να εκπαιδεύσει το ρομπότ σε μια εικονική προσομοίωση. Σε διάστημα επτά ωρών, η τεχνητή νοημοσύνη έμαθε από τα πειραματικά της λάθη και βελτίωσε τις κινήσεις της για σταθερή προσγείωση. Το σύστημα τεχνητής νοημοσύνης του ρομπότ απέδειξε την ικανότητά του να προσαρμόζει τον προσανατολισμό του, συμπεριλαμβανομένης της κλίσης (κλίση προς τα εμπρός ή προς τα πίσω), της κλίσης (κλίση από πλευρά σε πλευρά) και της εκτροπής (γωνία περιστροφής), σε λίγα μόλις δευτερόλεπτα.

Για παράδειγμα, όταν το ρομπότ εκτοξεύεται προς τα εμπρός με μεγάλη κλίση έως και 140 μοιρών, μπορεί να σταθεροποιήσει τη στάση του μέσα σε 8 δευτερόλεπτα. Μπορεί επίσης να περιστραφεί στον αέρα έως και 90 μοίρες για να αλλάξει κατεύθυνση κίνησης.

Τα ρομπότ εκπαιδεύονται χρησιμοποιώντας μεθόδους ενισχυτικής μάθησης. (Φωτογραφία: SCMP)

Για να επικυρώσουν την αποτελεσματικότητα του συστήματος, οι ερευνητές κατασκεύασαν μια πλατφόρμα προσομοίωσης μικροβαρύτητας που επιτρέπει στο ρομπότ να «επιπλέει» σε μια επιφάνεια σχεδόν χωρίς τριβή.

Αν και περιορίστηκαν σε δισδιάστατη κίνηση, τα πειράματα επιβεβαίωσαν την αποτελεσματικότητα του συστήματος και ενίσχυσαν τα αποτελέσματα από τις προσομοιώσεις, ανέφερε η ομάδα.

Επιπλέον, οι επιστήμονες διαπίστωσαν ότι η διαδικασία απαιτεί πολύ μικρή υπολογιστική ισχύ από το ρομπότ. Ο ελαφρύς και ενεργειακά αποδοτικός σχεδιασμός του συστήματος το καθιστά ιδιαίτερα κατάλληλο για αποστολές εξερεύνησης του βαθέος διαστήματος.

Στο μέλλον, αυτό το σύστημα θα μπορούσε να έχει ευρείες εφαρμογές, από την επιστημονική εξερεύνηση έως την εξόρυξη πόρων σε αστεροειδείς. Ωστόσο, η ερευνητική ομάδα δήλωσε ότι χρειάζεται περισσότερη έρευνα για να βελτιωθεί η ικανότητα της Τεχνητής Νοημοσύνης να προσαρμόζεται σε ποικίλα εδάφη και περιβάλλοντα.

Χούα Γιου (Πηγή: SCMP)

[διαφήμιση_2]
Πηγή