China traint robots om als katten te springen en asteroïden te verkennen

Geïnspireerd door het vermogen van katten om te draaien en te landen, gebruikte een onderzoeksteam van het Harbin Institute of Technology (China) reinforcement learning (RL) - een vorm van kunstmatige intelligentie (AI) - om robots te trainen hun houding in de lucht aan te passen wanneer ze over ruwe oppervlakken met lage zwaartekracht op asteroïden springen.

Een Chinees onderzoeksteam heeft een viervoetige robot getraind om zijn houding aan te passen en als een kat te landen op het oppervlak van een asteroïde. (Foto: SCMP)

In tegenstelling tot traditionele systemen die afhankelijk zijn van gespecialiseerde maar zware stabilisatiehardware, gebruikt de robot een "modelvrij" besturingssysteem om zijn vier poten in gecoördineerde beweging te bewegen. Dit stelt de robot in staat om zijn kanteling aan te passen en zijn bewegingsrichting in de lucht te veranderen, melden de onderzoekers in het Journal of Astronautics.

Het onderzoek richt zich op een belangrijke uitdaging bij het springen van robots op asteroïden. De zwaartekracht is daar laag en zelfs een klein onevenwicht in de beenkrachten kan ertoe leiden dat de robot ongecontroleerd gaat tollen, mislukt landt of helemaal van het oppervlak af stuitert.

"In de omgeving van asteroïden met een lage zwaartekracht maken robots bij elke sprong lange periodes van vrije val door. Het is belangrijk om deze tijd te gebruiken om de door de sprong veroorzaakte afbuiging aan te passen, een veilige landing te garanderen of de rotatiehoek te veranderen om de bewegingsrichting aan te passen", aldus het team in het rapport.

"Er werd een microzwaartekrachtsimulatieplatform ontworpen en gebouwd om de effectiviteit van deze springmethode te verifiëren door middel van experimenten op een prototype van een viervoetige robot", voegde het team toe.

Asteroïden zijn overblijfselen van de vorming van het zonnestelsel en vormen de sleutel tot het ontrafelen van de oorsprong ervan. Ze zijn ook rijk aan grondstoffen zoals platina en andere zeldzame metalen, die toekomstige ruimteverkenning en industriële toepassingen zouden kunnen ondersteunen.

Uitdagingen op het asteroïdeoppervlak

Tot nu toe hebben ruimtevaartorganisaties in Europa, Japan en de VS met succes ruimtevaartuigen op asteroïden laten landen om monsters te verzamelen. Geen van hen heeft echter rovers ingezet die het oppervlak langdurig kunnen verkennen.

Traditionele wielrovers, zoals die op de Maan en Mars worden gebruikt, ondervinden uitdagingen in de omgeving van asteroïden, omdat de zwakke zwaartekracht, doorgaans slechts een paar duizendsten van die van de Aarde, niet genoeg grip biedt om de wielen effectief te laten werken.

Om deze beperkingen aan te pakken, hebben wetenschappers voorgesteld om in de toekomst springrobots in te zetten. Maar dat brengt nieuwe uitdagingen met zich mee.

Elke keer dat de robot springt, blijft hij ongeveer 10 seconden in de lucht. Dat is lang genoeg om ervoor te zorgen dat de robot door de onevenwichtige krachten op de benen oncontroleerbaar gaat draaien of zelfs van het oppervlak af stuitert en de ruimte in zweeft.

Het Harbin-team gebruikte RL om de robot te trainen in een virtuele simulatie. Gedurende zeven uur leerde de AI van zijn experimentele fouten en verfijnde hij zijn bewegingen om stabiel te landen. Het AI-systeem van de robot toonde aan dat het zijn oriëntatie, inclusief pitch (voorover of achterover leunen), tilt (zijwaarts leunen) en yaw (rotatiehoek), in slechts enkele seconden kon aanpassen.

Bijvoorbeeld, bij een voorwaartse lancering met een grote helling tot 140 graden kan de robot zijn positie binnen 8 seconden stabiliseren. Hij kan ook in de lucht tot 90 graden roteren om van bewegingsrichting te veranderen.

Robots worden getraind met behulp van reinforcement learning-methoden. (Foto: SCMP)

Om de effectiviteit van het systeem te valideren, bouwden de onderzoekers een microzwaartekrachtsimulatieplatform waarmee de robot kan 'zweven' op een vrijwel wrijvingsloos oppervlak.

Hoewel ze beperkt waren tot tweedimensionale bewegingen, bevestigden de experimenten de effectiviteit van het systeem en versterkten ze de resultaten van simulaties, aldus het team.

Bovendien ontdekten de wetenschappers dat het proces zeer weinig rekenkracht van de robot vereist. Het lichte en energiezuinige ontwerp van het systeem maakt het bijzonder geschikt voor verkenningsmissies in de diepe ruimte.

In de toekomst zou dit systeem een breed scala aan toepassingen kunnen hebben, van wetenschappelijke exploratie tot het delven van grondstoffen op asteroïden. Het onderzoeksteam gaf echter aan dat er meer onderzoek nodig is om de aanpassing van de AI aan diverse terreinen en omgevingen te verbeteren.

Reactie (0)