Американские инженеры разработали мягкий актуатор, оснащенный тремя типами сенсоров, реагирующих на нажатие, искривление и изменение внутреннего давления. Такие актуаторы, напечатанные на 3D-принтере, можно использовать для захвата небольших объектов с различной твердостью и рельефом поверхности, не боясь повредить их, пишут ученые в Advanced Materials.
Одна из проблем роборук и аналогичных автоматических захватывающих устройств состоит в том, что обычно они с трудом подстраиваются под свойства тех объектов, которые им нужно поднимать и удерживать, ведь сила, с которой можно сжимать яйцо, довольно сильно отличается от силы, которую можно прикладывать к металлическому шарику. Чтобы решить проблему, автоматическое устройство должно с помощью системы обратной связи анализировать механический отклик сжимаемого объекта, измеряя силу его реакции и быстро меняя собственное давление. Устройства с подобными свойствами уже создаются, однако все они обладают недостаточной чувствительностью и специфичностью по отношению к различным типам внешнего воздействия.
Инженеры под руководством Дженнифер Льюис (Jennifer Lewis) из Гарвардского университета разработали новую технологию для получения мягких актуаторов, оснащенных искусственной соматосенсорной системой, которая состоит из сенсоров трех различных типов и позволяет устройству контролировать силу нажатия в зависимости от механического отклика. Делать такой актуатор ученые предложили из гибкого эластомера с помощью 3D-печати.
Упругая эластомерная матрица актуатора была собрана из трех силиконовых элементов, в которых с помощью технологии внутренней 3D-печати (embedded 3D printing) можно получить сетку из тонких каналов довольно сложной геометрии. Один из этих каналов выполнял функцию пневматической системы, которая изгибает устройство, а еще в трех — находился неньютоновский гель, обладающий ионной проводимостью. При сдавливании или растяжении таких каналов меняется их геометрия, а следовательно — и их проводимость. Поэтому изменение сопротивления канала можно использовать в качестве сигнала о необходимости сменить конфигурацию — согнуться или разжаться. Каждый из трех каналов выполнял функции одного из сенсоров: контактного датчика, датчика внутреннего давления и датчика искривления.
Сначала авторы работы показали, что такое устройство можно использовать в качестве сенсора влажности. В зависимости от содержания воды силиконовая матрица может сжиматься или расширяться, что можно зафиксировать с помощью ионопроводящих сенсоров.
Значительно более интересны приложения актуатора, основанные на его реакции на внешнее механические воздействия. Измерив отклик устройства на несколько различных типов внешнего воздействия: изгиб в различных направлениях, короткий удар и изменение внутреннего давления в канале пневматической системы — ученые разработали схему, по которой такую систему из трех сенсоров можно использовать в качестве соматосенсорной системы, реагирующей на изменение как внешнего, так и внутреннего давления, и изменяющая в зависимости от этого свою конфигурацию.
Затем из трех актуаторов ученые собрали роборуку — захватывающее устройство, способное сжимать и удерживать различные объекты. Степень искривления и сила сжатия каждого из трех «пальцев» этой руки регулируется автоматически в зависимости от механических свойств объекта и свойств его поверхности. Роборуку инженеры проверили при температурах от −10 до 95 градусов Цельсия — и для нескольких мячиков разной массы, размера и с разным рельефом на их поверхности. С каждой из предложенных задач роборука успешно справилась, варьируя сопротивление на сенсорах и, соответственно, силу сжатия.
Harvard SEAS
Авторы работы отмечают, что разработанная ими технология позволяет получать чувствительные актуаторы, которые способны работать в течение долгого времени без заметной задержки при обработке сигналов, участвующих в системе обратной связи. Разработчики надеются, что такие или подобные им чувствительные устройства станут важными элементами роботов, которые будут использоваться в качестве ассистентов во время хирургических операций или для аккуратных манипуляций с хрупкими или деликатными объектами.
В прошлом году для создания мягкой роборуки ученые предложили использовать манипулятор, также напечатанный на 3D-принтере, и управляемый с помощью системы надуваемых газом ячеек. До этого другая группа ученых разработала полностью мягкого робота-осьминога, который вообще не содержит твердых элементов и даже в качестве источника питания использует разложение перекиси водорода.
Александр Дубов
Он показал лучшее время на трассе, обойдя соперников на полсекунды
Инженеры разработали автопилот для гоночного дрона, управляющий беспилотником на уровне лучших людей-пилотов. Алгоритм под названием Swift, полученный с помощью метода обучения с подкреплением, способен управлять гоночным квадрокоптером, полагаясь только на данные бортовых сенсоров. В реальных полетах на тестовой трассе для дрон-рейсинга Swift смог превзойти трех профессиональных пилотов-чемпионов, выиграв у них 15 гонок из 25 и пройдя трассу с минимальным временем, которое на полсекунды меньше лучшего результата пилота-человека. Статья опубликована в журнале Nature. При поддержке Angie — первого российского веб-сервера Дрон-рейсинг — вид спорта, в котором мультикоптеры на высокой скорости проходят трассу, состоящую из последовательности ворот, через которые нужно пролететь за минимально возможное время. При этом управление происходит от первого лица, с помощью камеры и видеоочков. Современные дроны обладают очень высокой маневренностью и подвижностью: они могут резко менять направление движения, ускоряться, замедляться и совершать перевороты, а во время гонки они разгоняются до скоростей свыше 100 километров в час и подвержены перегрузкам, превышающим их собственный вес в пять раз. Это делает их пилотирование непростой задачей и требует хорошей подготовки и высокой скорости реакции оператора. Инженеры давно работают над созданием автопилота, который мог бы управлять дроном на уровне профессиональных пилотов. Помимо участия в дрон-рейсинге такая способность может пригодиться и в обычной жизни — мультикоптеры обладают невысокой энергоэффективностью, поэтому способность быстро летать и успешно маневрировать в окружении большого числа препятствий напрямую связана с успешностью выполнения задач. Инженеры под руководством Давида Скарамузза (Davide Scaramuzza) из Цюрихского университета уже имеют опыт разработки эффективных алгоритмов управления для дронов. К примеру, ранее они создали автопилот, способный управлять квадрокоптером на скорости от 3 до 7 метров в секунду в лесу между деревьев, полагаясь только на данные с бортовых сенсоров. В своей новой работе инженеры представили алгоритм под названием Swift. Он способен эффективно управлять гоночным квадрокоптером на уровне профессионального пилота дрон-рейсинга. Swift состоит из двух основных модулей: системы восприятия, которая переводит изображение от бортовой камеры дрона и данные от инерционного измерительного блока IMU в низкоразмерное представление, а также системы управления, которая принимает на вход низкоразмерное представление, созданное системой восприятия, и генерирует управляющие команды для электромоторов дрона. В модуль системы восприятия также входит алгоритм, вычисляющий текущее положение дрона в пространстве на основе данных камеры и инерционно-измерительного блока. Эта информация через фильтр Калмана объединяется с данными об относительном положении гоночных ворот, обнаруженных предварительно обученным нейросетевым детектором объектов в видеопотоке, после чего передается на вход системы управления, которая состоит из двух скрытых слоев, по 128 нейронов в каждом. Система управления тренировалась в симуляции с использованием модельно-свободного глубокого обучения с подкреплением. Этот метод обучения использует метод проб и ошибок, чтобы максимизировать величину параметра вознаграждения. В данном случае вознаграждение было максимальным в случае, если дрон следовал в сторону центра ближайших ворот таким образом, чтобы следующие ворота оставались в поле зрения камеры. Чтобы учесть различия между симуляцией и реальной динамикой полета, в процессе обучения информацию симулятора дополнили данными из реального мира, записанными с помощью системы захвата движений. Оценку автопилота провели на трассе для дрон-рейсинга, состоящей из семи ворот, установленных на квадратной площадке с длиной стороны 30 метров. Длина маршрута через все ворота составляла 75 метров. Алгоритм соревновался с тремя профессиональными пилотами Алексом Вановером (Alex Vanover), Томасом Битматтой (Thomas Bitmatta) и Марвином Шэппером (Marvin Schaepper). Все участники использовали гоночные дроны с одинаковыми характеристиками. Перед испытательными соревнованиями у пилотов была неделя для знакомства с трассой. В соревнованиях каждый из пилотов стартовал одновременно с дроном под управлением автопилота. Победителем становился тот, кто быстрее пролетит через все ворота на трассе в правильном порядке три раза. По результатам Swift смог выиграть у своих соперников в совокупности 15 гонок из 25, а также установил рекорд трассы, пролетев ее быстрее на полсекунды, чем остальные участники. https://www.youtube.com/watch?v=fBiataDpGIo&t=1s Инженеры разрабатывают гоночные автопилоты и для автомобилей. Например, инженеры из подразделения искусственного интеллекта компании Sony создали алгоритм автопилота GT Sophy, который с помощью обучения с подкреплением научился проходить за минимальное время трассы в гоночном автосимуляторе Gran Turismo Sport. В настоящих киберспортивных соревнованиях GT Sophy не только показала лучшее время в одиночных заездах, но и смогла победить команду лучших игроков в совместных гонках, набрав больше всего очков.