Piel "sensorizada". Image: Ryan L. Truby, MIT CSAIL

Por primera vez, los investigadores del MIT han habilitado un brazo robótico suave para comprender su configuración en el espacio 3D, al aprovechar solo los datos de movimiento y posición de su propia piel "sensorizada".

Los robots blandos construidos con materiales altamente compatibles, similares a los que se encuentran en los organismos vivos, están siendo promovidos como alternativas más seguras, más adaptables, resistentes y bioinspiradas a los robots rígidos tradicionales. Pero dar control autónomo a estos robots deformables es una tarea monumental porque pueden moverse en un número prácticamente infinito de direcciones en cualquier momento dado. Eso dificulta entrenar modelos de planificación y control que impulsan la automatización.

Los métodos tradicionales para lograr un control autónomo utilizan grandes sistemas de múltiples cámaras de captura de movimiento que proporcionan a los robots comentarios sobre el movimiento y las posiciones en 3D. Pero eso no es práctico para los robots blandos en aplicaciones del mundo real.

En un artículo publicado en la revista IEEE Robotics and Automation Letters , los investigadores describen un sistema de sensores blandos que cubren el cuerpo de un robot para proporcionar "propiocepción", lo que significa conciencia del movimiento y la posición de su cuerpo. Esa retroalimentación se encuentra con un nuevo modelo de aprendizaje profundo que se filtra a través del ruido y captura señales claras para estimar la configuración 3D del robot. Los investigadores validaron su sistema en un brazo robótico suave que se asemeja a una trompa de elefante, que puede predecir su propia posición a medida que se balancea y extiende de forma autónoma.

Los sensores se pueden fabricar con materiales listos para usar, lo que significa que cualquier laboratorio puede desarrollar sus propios sistemas, dice Ryan Truby, un postdoc en el Laboratorio de Ciencias de la Computación y Artificial del MIT (CSAIL), quien es el primer autor del artículo junto con Postdoc CSAIL Cosimo Della Santina.

"Estamos sensorizando robots blandos para obtener retroalimentación para el control de los sensores, no de los sistemas de visión, utilizando un método muy fácil y rápido para la fabricación", dice. “Queremos usar estos troncos robóticos suaves, por ejemplo, para orientarnos y controlarnos automáticamente, para recoger cosas e interactuar con el mundo. Este es un primer paso hacia ese tipo de control automatizado más sofisticado ".

Un objetivo futuro es ayudar a hacer extremidades artificiales que puedan manejar y manipular objetos con mayor destreza en el medio ambiente. "Piense en su propio cuerpo: puede cerrar los ojos y reconstruir el mundo basándose en los comentarios de su piel", dice la coautora Daniela Rus, directora de CSAIL y profesora de Ingeniería Eléctrica y Ciencias de la Computación de Andrew y Erna Viterbi. "Queremos diseñar esas mismas capacidades para los robots blandos".

Formando sensores blandos

Un objetivo a largo plazo en la robótica suave ha sido los sensores corporales totalmente integrados. Los sensores rígidos tradicionales disminuyen el cumplimiento natural del cuerpo de un robot blando, complican su diseño y fabricación, y pueden causar varias fallas mecánicas. Los sensores basados ​​en materiales blandos son una alternativa más adecuada, pero requieren materiales y métodos especializados para su diseño, lo que dificulta la fabricación e integración de muchos robots de laboratorios de robots blandos.

Mientras trabajaba en su laboratorio CSAIL un día buscando inspiración para los materiales del sensor, Truby hizo una conexión interesante. "Encontré estas láminas de materiales conductores utilizados para el blindaje de interferencia electromagnética, que puedes comprar en cualquier lugar en rollos", dice. Estos materiales tienen propiedades "piezoresistivas", lo que significa que cambian en resistencia eléctrica cuando se tensan. Truby se dio cuenta de que podían fabricar sensores blandos efectivos si se colocaban en ciertos puntos del tronco. A medida que el sensor se deforma en respuesta al estiramiento y compresión del tronco, su resistencia eléctrica se convierte en un voltaje de salida específico. El voltaje luego se usa como una señal que se correlaciona con ese movimiento.

Pero el material no se estiraba mucho, lo que limitaría su uso para la robótica suave. Inspirado por el kirigami, una variación del origami que incluye hacer cortes en un material, Truby diseñó y cortó con láser tiras rectangulares de láminas de silicona conductoras en varios patrones, como hileras de pequeños agujeros o cortes entrecruzados como una valla de alambre. Eso los hizo mucho más flexibles, estirables y “hermosos de ver”, dice Truby.

Crédito: Ryan L. Truby, MIT CSAIL

El tronco robótico de los investigadores consta de tres segmentos, cada uno con cuatro actuadores fluídicos (12 en total) utilizados para mover el brazo. Fusionaron un sensor sobre cada segmento, con cada sensor cubriendo y recolectando datos de un actuador incorporado en el robot blando. Utilizaron la "unión por plasma", una técnica que energiza la superficie de un material para que se una a otro material. Se necesitan aproximadamente un par de horas para dar forma a docenas de sensores que se pueden unir a los robots blandos utilizando un dispositivo portátil de unión por plasma.

Crédito: Ryan L. Truby, MIT CSAIL

Configuraciones de "aprendizaje"

Según la hipótesis, los sensores capturaron el movimiento general del tronco. Pero eran realmente ruidosos. "Esencialmente, son sensores no ideales en muchos sentidos", dice Truby. “Pero eso es solo un hecho común de hacer sensores a partir de materiales conductores blandos. Los sensores de mayor rendimiento y más confiables requieren herramientas especializadas que la mayoría de los laboratorios de robótica no tienen ”.

Para estimar la configuración del robot blando utilizando solo los sensores, los investigadores construyeron una red neuronal profunda para hacer la mayor parte del trabajo pesado, tamizando el ruido para capturar señales de retroalimentación significativas. Los investigadores desarrollaron un nuevo modelo para describir cinemáticamente la forma del robot blando que reduce enormemente la cantidad de variables necesarias para que su modelo procese.

En los experimentos, los investigadores hicieron que el tronco girara y se extendiera en configuraciones aleatorias durante aproximadamente una hora y media. Utilizaron el sistema tradicional de captura de movimiento para datos de verdad sobre el terreno. En el entrenamiento, el modelo analizó los datos de sus sensores para predecir una configuración, y comparó sus predicciones con los datos de la verdad básica que se recopilaban simultáneamente. Al hacerlo, el modelo "aprende" a mapear patrones de señal de sus sensores a configuraciones del mundo real. Los resultados indicaron que, para ciertas configuraciones y más estables, la forma estimada del robot coincidía con la verdad del terreno.

Luego, los investigadores apuntan a explorar nuevos diseños de sensores para mejorar la sensibilidad y desarrollar nuevos modelos y métodos de aprendizaje profundo para reducir la capacitación requerida para cada nuevo robot blando. También esperan refinar el sistema para capturar mejor los movimientos dinámicos completos del robot.

Actualmente, la red neuronal y la piel del sensor no son sensibles para capturar movimientos sutiles o movimientos dinámicos. Pero, por ahora, este es un primer paso importante para los enfoques basados ​​en el aprendizaje del control robótico suave, Truby dice: “Al igual que nuestros robots blandos, los sistemas vivos no tienen que ser totalmente precisos. Los humanos no son máquinas precisas, en comparación con nuestras contrapartes robóticas rígidas, y lo hacemos bien ”.

Escrito por: Rob Matheson | MIT News Office

Autor

MIT

Promover la investigación, las innovaciones, la enseñanza y los eventos y las personas de interés periodístico del MIT a la comunidad del campus, los medios de comunicación y el público en general, Comunicar anuncios del Instituto, Publicar noticias de la comunidad para profesores, estudiantes, personal y ex alumnos del MIT. Proporcionar servicios de medios a los miembros de la comunidad, incluido el asesoramiento sobre cómo trabajar con periodistas, Responder a consultas de los medios y solicitudes de entrevistas...