受昆虫群和树根启发的变形机器人正在自学标记污染区

Josiah02 · 发表于 2024-8-22 07:59:03

西弗吉尼亚大学的机器人专家正在研究 Loopy 机器人自主性的替代方法，Loopy 是一种“多细胞机器人”，由一圈相互连接的机器人细胞组成。
西弗吉尼亚大学的研究团队将测试 Loopy 的“协同设计”能力，即在人类工程师的有限支持下确定自己的形状。由于没有对其行为进行直接编程，他们相信 Loopy 可以学会用自己的身体标记受污染区域的边界，例如石油或毒素泄漏的地点。
受到自然现象的启发，例如蚂蚁群聚集在洒出的苏打水周围，或者树根系统围绕障碍物生长，Loopy 会随着每个细胞对环境做出有机反应而改变形态。
首席研究员 Yu Gu 是西弗吉尼亚大学本杰明·斯塔特勒工程与矿产资源学院机械、材料与航空航天工程系杰出校友教授，他表示，自我重塑的能力可能使 Loopy 对机器人技术产生“变革性”影响，拥有传统机器人无法比拟的潜在能力，可以灵活应对不可预测的现实世界情况。
“Loopy 起源于我实验室的一个思想实验，”顾说。“它被认为是对机器人领域普遍存在的‘自上而下’思维方式的挑战，在这种思维方式下，机器人是被动的，人类负责设计、编程和制造。相比之下，Loopy 是‘群体机器人’的一个例子。许多小型机器人细胞相互连接形成 Loopy，让栩栩如生的特征和复杂、协调的行为（如解决问题）从细胞对刺激的简单、分散的反应中浮现出来。”
Loopy 的身体由 36 个相同的细胞组成，这些细胞以物理方式连接成一个圆圈。每个细胞都可以控制自己的运动，并且每个细胞都有传感器，可以随时了解其关节角度以及光线和温度等外部刺激。
为了追踪 Loopy 对不同情况的反应，顾的实验室配备了一个桌面测试环境，其中配备了高架摄像头、动作捕捉系统和投影仪。在桌子下面，加热丝会形成模拟污染区域的热点。高架热像仪可显示热图，Loopy 的每个细胞在其脚中都嵌入了一个温度传感器。
顾教授将与来自宾夕法尼亚州阿巴拉契亚的博士生兼 NSF 研究生特雷弗·史密斯一起，在各种不可预测的条件下测试 Loopy，包括不同的表面材料和障碍物。他们将评估 Loopy 在污染区域盘旋的准确性、Loopy 对不可预见事件的反应以及 Loopy 对信息很少或不准确情况的容忍度。
在西弗吉尼亚大学 Yu Gu 的交互式机器人实验室中，博士生 Trevor Smith 正在观察 Loopy，这是一个多细胞机器人，它正在学习如何对周围环境做出有机和自主的反应。
同时，他们会将 Loopy 找到的解决方案与更传统的集中式方法进行比较，在这种方法中，人类设计师可以访问所有传感器数据并控制 Loopy 的各个单元。
“Loopy 的研究进展很可能是非线性和不可预测的，”顾说。“很多时候，我们对 Loopy 的实验结果都是出乎意料的，这一直是洞察力的来源，也是未来研究的驱动力。
“我们想知道的是 Loopy 的自组织问题解决方案是否比程序化行为具有更大的适应性和弹性，以及如何将机器人群体行为用于实际应用。一旦我们建立了促进多细胞机器人自发出现这些复杂行为的条件，我相信像 Loopy 一样工作的机器人将具有多种应用潜力，例如自适应泄漏密封或交互式艺术展示。”
尽管传统的自上而下的机器人系统“不自然且脆弱”，并且难以适应新环境，但在群体机器人中，简单细胞的集体智能允许新行为通过“自下而上”的过程自然地出现。
“我们的方法在哲学上类似于永续农业，人类土地管理者与自然合作而不是对抗自然，以创造自给自足、可持续的农业生态系统，”顾说。“在我们的机器人设计过程中，有三个平等的参与者：人类、机器人和环境。”
在 Loopy 的几种生物模型中，顾先生从植物智能研究中获得了特别的灵感。例如，植物中的化学信号传导可以作为细胞间分散信息如何促进集体行为的模型。
“植物根系通过产生新细胞而生长，”他解释道。“每个细胞都会对水或营养等外在因素以及激素等内在因素作出反应。这些反应共同协调根系生长——根系生长的方向和形状。这只是一种生物机制，强调了复杂系统中分布式协调而非集中控制的重要性。”
“这项研究模糊了机器人的物理形态、行为和环境之间的界限，”顾补充道。“Loopy 可以从根本上改变我们对机器人自主性、适应性和设计的理解。”

账号		自动登录	找回密码
密码			立即注册