Плавники рыб и крылья насекомых — это удивительные примеры природной инженерии, которые позволяют своим владельцам эффективно передвигаться в воде или воздухе. Инженеры, создающие машины для плавания или полетов, давно изучают животных, проектируя самолеты с крыльями и лодки с рулевыми механизмами, похожими на плавники.
За последние десятилетия исследователи, включая специалистов Калифорнийского технологического института (Caltech), изучали биоинспирированную инженерию, чтобы понять, как природные формы движения могут вдохновить механическое проектирование.
Многие животные используют маховые движения для передвижения, и роботы с подобными механизмами могут также эффективно перемещаться. Однако в мире животных, таких как рыбы и насекомые, есть еще одна хитрость: даже с поврежденными плавниками или крыльями они могут адаптировать свои движения для компенсации повреждений. Например, некоторые виды рыб способны плавать даже с утратой до 76% своих плавников.
Но может ли робот с маховым механизмом достичь такого же уровня адаптации? Этот вопрос стал отправной точкой для исследования, проведенного под руководством профессора Мори Гариба и его команды в Caltech. Они исследовали движения робота с махающим механизмом в масляном резервуаре (который позволяет более точно измерять показатели, чем вода), а затем ампутировали часть махового элемента робота.
Машинное обучение для адаптации к повреждениям
Без вмешательства робот продолжал бы бессмысленно махать в резервуаре, потеряв способность двигаться. Однако исследователи добавили роботу возможность адаптации, вдохновленную биологией. Подобно тому, как рыбы и насекомые ищут новые способы движения после повреждений, робот был запрограммирован на проведение множества испытаний с различными механиками движений, которые затем оценивались с помощью алгоритмов машинного обучения. В конце концов, робот, как и поврежденное животное, нашел успешный альтернативный способ передвижения, даже когда 50% его махающего механизма было удалено.
«Робот пытается двигаться десятью разными способами», — объясняет Мередит Хупер, один из исследователей. «Силы, с которыми он двигается в резервуаре, измеряются для сравнения их эффективности. Алгоритм машинного обучения выбирает лучшие траектории и затем создает новый набор на основе предыдущих. Этот процесс повторяется до тех пор, пока все лучшие кандидаты не становятся одинаково эффективными».
Адаптация в реальных условиях
Автономные роботы остаются таковыми только до тех пор, пока не сталкиваются с повреждениями или сбоями. Обеспечив роботов способностью адаптироваться через машинное обучение, ученые значительно расширили их автономность. Такие разработки могут быть полезны, например, для автономных подводных аппаратов (AUV), которые исследуют океаны. Если их система движения повреждена, робот может стать бесполезным мусором, если не сможет адаптироваться. Новая находка увеличивает вероятность того, что AUV сможет выполнить свою миссию и быть возвращен.
Такие технологии также могут повысить эффективность микровоздушных аппаратов (MAV), которые могут работать в сложных условиях, например, при поиске людей после землетрясений. Адаптация через машинное обучение делает MAV более устойчивыми в сложных и опасных средах.
Заключение
Исследования показывают, что как роботы, так и животные могут изменять свою механику движений для адаптации к повреждениям. Хотя в некоторых случаях роботы адаптируются иначе, чем живые существа, способность машин к самонастройке открывает новые горизонты для автономных технологий в различных областях.