Kina tränar robotar att hoppa som katter för att utforska asteroider

[annons_1]

Inspirerade av katters förmåga att vända och landa använde ett forskarteam vid Harbin Institute of Technology (Kina) förstärkningsinlärning (RL) – en typ av artificiell intelligens (AI) – för att träna robotar att justera sin hållning i luften när de hoppar över ojämna ytor med låg gravitation på asteroider.

Ett kinesiskt forskarteam tränade en fyrbent robot att justera sin hållning och landa som en katt för att röra sig på ytan av en asteroid. (Foto: SCMP)

Till skillnad från traditionella system som förlitar sig på specialiserad men tung stabiliseringshårdvara använder roboten ett "modellfritt" styrsystem för att röra sina fyra ben i koordinerad rörelse. Detta gör att roboten kan justera sin lutning och omorientera sin färdriktning i luften, rapporterar forskarna i Journal of Astronautics.

Forskningen tar upp en viktig utmaning med robothoppning när de rör sig på asteroider, där miljön har låg gravitation och även en liten obalans i benkrafter kan få roboten att snurra okontrollerat, landa utan framgång eller studsa helt från ytan.

"I asteroidernas låggravitationsmiljö upplever robotar långa perioder av fritt fall under varje hopp. Det är viktigt att använda denna tid för att justera den avböjning som orsakas av hoppet, för att säkerställa en säker landning eller för att ändra rotationsvinkeln för att justera rörelseriktningen", sa teamet i rapporten.

"En plattform för mikrogravitationssimulering designades och byggdes för att verifiera effektiviteten hos denna hoppmetod genom experiment på en fyrfotad robotprototyp", tillade teamet.

Asteroider är rester av solsystemets bildande och innehåller nyckeln till att tyda dess ursprung. De är också rika på resurser som platina och andra sällsynta metaller, vilket skulle kunna underlätta framtida rymdutforskning och industriella tillämpningar.

Utmaningar på asteroidytan

Hittills har rymdorganisationer i Europa, Japan och USA framgångsrikt landat rymdfarkoster på asteroider för att hämta prover, men ingen har distribuerat rovers som kan utföra långsiktig ytutforskning.

Traditionella hjulförsedda rovers, som de som används på månen och Mars, möter utmaningar i asteroidmiljöer eftersom den svaga gravitationen, vanligtvis bara några tusendelar av jordens, inte ger tillräckligt med grepp för att hjulen ska fungera effektivt.

För att hantera dessa begränsningar har forskare föreslagit att använda hoppande robotar för framtida uppdrag, men det presenterar en ny uppsättning utmaningar.

Varje gång den hoppar stannar roboten i luften i ungefär 10 sekunder, tillräckligt länge för att de obalanserade benkrafterna ska få roboten att snurra okontrollerat eller till och med studsa från ytan och driva ut i rymden.

Harbin-teamet använde RL för att träna roboten i en virtuell simulering. Under sju timmar lärde sig AI:n av sina experimentella misstag och förfinade sina rörelser för att landa stabilt. Robotens AI-system visade förmågan att justera dess orientering, inklusive lutning (framåtlutning eller bakåt), tilt (lutning från sida till sida) och girning (rotationsvinkel), på bara några sekunder.

Till exempel, när roboten kastas framåt med en stor lutning på upp till 140 grader, kan den stabilisera sin hållning inom 8 sekunder. Den kan också rotera i luften upp till 90 grader för att ändra rörelseriktning.

Robotar tränas med hjälp av förstärkningsinlärningsmetoder. (Foto: SCMP)

För att validera systemets effektivitet byggde forskarna en simuleringsplattform för mikrogravitation som gör att roboten kan "flyta" på en nästan friktionsfri yta.

Även om experimenten var begränsade till tvådimensionell rörelse, bekräftade de systemets effektivitet och förstärkte resultaten från simuleringar, sa teamet.

Dessutom fann forskarna att processen kräver väldigt lite datorkraft från roboten. Systemets lätta och energieffektiva design gör det särskilt lämpligt för rymdutforskningsuppdrag.

I framtiden skulle detta system kunna ha ett brett spektrum av tillämpningar, från vetenskaplig utforskning till resursutvinning på asteroider. Forskargruppen sa dock att mer forskning behövs för att förbättra AI:s förmåga att anpassa sig till olika terränger och miljöer.

Hua Yu (Källa: SCMP)

[annons_2]
Källa