Адаптивная робототехника
Адаптивная робототехника относится к области робототехники , в которой основное внимание уделяется созданию роботизированных систем, способных настраивать свои аппаратные и программные компоненты для выполнения широкого спектра задач, адаптируясь к изменяющимся условиям. В 1960-е годы робототехника появилась в промышленной сфере. [1] С тех пор необходимость создания роботов с новыми формами действия , адаптируемостью, восприятием и восприятием и даже способностью к обучению остановила развитие адаптируемой робототехники. Важные разработки, такие как робот PUMA, исследования манипуляций, мягкая робототехника , роевая робототехника , искусственный интеллект , коботы , биологические подходы и другие текущие исследования, значительно продвинули область адаптируемой робототехники. Адаптируемые роботы обычно связаны с их комплектом разработки , обычно используемым для создания автономных мобильных роботов. В некоторых случаях адаптируемый комплект будет продолжать работать, даже если некоторые компоненты сломаются. [2]
Адаптируемые робототехнические системы успешно адаптируются к окружающей среде, используя такие методы, как модульная конструкция , машинное обучение и обратная связь от датчиков . Используя это, они произвели революцию в различных отраслях и могут решить множество реальных проблем в медицинской , промышленной , внеземной и экспериментальной областях. В области адаптируемой робототехники еще предстоит преодолеть множество проблем, что открывает возможности для роста в этой области.
Фундаментальные понятия [ править ]
Адаптируемый робот обычно имеет атрибуты, которые отличают его от роботов, выполняющих свою задачу независимо от внешних факторов. Четырьмя концепциями, которые адаптируемые роботы используют для проведения этого различия, являются адаптивность, чувствительность и восприятие, обучение и интеллект и срабатывание.
Адаптивность [ править ]
Робот может быть определен как адаптивный, если он обладает такими возможностями, как внутренняя безопасность и бескомпромиссная производительность, способность к обучению и способность выполнять задачи, на которые традиционные роботы не способны. Эти возможности могут быть достигнуты с помощью технологий управления силами, иерархического интеллекта и других инновационных подходов. [3] Изобретение Джона Адлера в 1994 году, кибернож , представляет собой роботизированную хирургическую систему, способную использовать сверхвысокую точность в медицинских процедурах и демонстрирующую такие адаптации. [4]
Чувство и восприятие [ править ]
Информация об окружающей среде, собираемая с помощью периферийных устройств, интеллектуально обрабатывается в адаптируемых системах. Системы искусственного интеллекта могут обрабатывать эти данные и соответствующим образом корректировать примитивы задач, что приводит к адаптированным действиям. [3] В 2001 году « Канадарм-2» был запущен к МКС и сыграл ключевую роль в обслуживании станции, используя данные периферийных устройств для адаптации МКС к изменениям окружающей среды внутри нее. [4]
и Обучение интеллект
Искусственный интеллект, машинное обучение и глубокое обучение позволяют системам изучать окружающий мир и становиться все более интеллектуальными при выполнении своих задач. [3] [12] В 1997 году на Марс был запущен робот Sojourner , бортовой компьютер которого позволял ему адаптироваться к незапланированным событиям и препятствиям даже при наличии минимальных данных; предшественник добавления искусственного интеллекта в адаптируемые системы. Позже в том же году компьютер IBM Deep Blue победил Гарри Каспарова в игре в шахматы, что стало важной вехой в способности роботизированного ИИ планировать и реагировать. [4]
Активация [ править ]
Приведение в действие в робототехнических системах позволяет роботу двигаться. Адаптируемые приводы обычно функционируют в ответ на изменения окружающей среды, например, на изменения температуры, которые могут изменить форму привода. Таким образом, изменяя функциональность. [5] Приведение в действие с автономным питанием (непривязное) достижимо, особенно в мягкой робототехнике, где внешние стимулы могут изменить форму привода, создавая механическую энергию. [6] В 1989 году Родни Брукс создал Чингиса — шестиногого робота, способного преодолевать сложную местность. [4] Модель Hexpedal использует шесть приводов для обеспечения мобильности и остается популярной среди современных шестипедальных моделей, таких как Rhex .
Программное обеспечение [ править ]
В комплекты входит открытая программная платформа, адаптированная для ряда общих функций роботов. В комплекты также входит обычное робототехническое оборудование, которое легко соединяется с программным обеспечением (инфракрасные датчики , моторы , микрофон и видеокамера), что расширяет возможности робота. [7]
Процесс модификации робота для достижения различных возможностей, таких как совместная работа, может включать просто выбор модуля, обмен модулями, инструкции робота через программное обеспечение и выполнение. [8]
Типы [ править ]
Мягкие роботы [ править ]
Робототехника с мягкими захватами — это новая область адаптируемой робототехники, основанная на венериной мухоловке . Две мягкие роботизированные поверхности обеспечивают захватывающие и сжимающие модули. Эта технология тестируется в различных средах для определения влияния различных объектов, ошибок их положения и установки мягкой роботизированной поверхности на способность захвата. [9] Непривязанное приведение в действие достижимо, особенно в мягких роботах с жидкокристаллическими полимерами, категорией чувствительных к раздражителям материалов с двусторонним эффектом памяти формы. Это может позволить жидкокристаллическим полимерам генерировать механическую энергию, изменяя форму в ответ на внешние раздражители и, следовательно, обеспечивая беспрепятственное срабатывание. [10]
Модульные роботы [ править ]
Роботы, предназначенные для работы на открытом воздухе и адаптирующиеся к меняющимся ландшафтам и препятствиям. Они построены как цепочка отдельных модулей с простыми шарнирными соединениями, что позволяет модульным роботам принимать различные формы для перемещения по местности. Некоторые из этих форм включают в себя такие конфигурации, как паук , змеевик и петля. [11]
Роевая робототехника [ править ]
Область робототехники, использующая роевой интеллект для групп простых однородных роботов. Роевые роботы следуют алгоритмам, обычно разработанным для имитации поведения реальных животных, чтобы определять их движения в ответ на стимулы окружающей среды. [12]
роботы Биогибридные
Биогибридная робототехника использует живые ткани или клетки, чтобы наделить машины функциями, которые иначе было бы трудно достичь. Например, мышечные клетки использовались, чтобы позволить некоторым биогибридным роботам двигаться. В некоторых случаях, особенно в области медицины, роевая робототехника сочетается с биогибридом. [12] [13]
Приложения [ править ]
Адаптивная робототехника обладает возможностями, которые сделали ее применимой во многих областях, включая, помимо прочего, медицинскую, промышленную и экспериментальную области.
Обучение на демонстрации — это стратегия передачи навыков движения человека роботам. Основная цель — выявить важные примитивы движений, важные движения, которые совершают люди, путем демонстрации и переделки этих движений, чтобы адаптировать робота к этому движению. Было несколько проблем, связанных с неспособностью роботов адаптировать навыки, полученные в ходе демонстрации, к новым условиям (отличие от сценария, в котором роботу проводились первоначальные демонстрации). Эти проблемы с обучением на основе демонстрации были решены с помощью модели обучения, основанной на нелинейной динамической системе, которая кодирует траектории как примитивы динамического движения, которые аналогичны примитивам движения, но представляют собой важные движения, представленные математическим уравнением; переменные уравнения изменяются вместе с изменением окружающей среды, изменяя выполняемое движение. Траектории, записанные с помощью этих систем, оказались применимыми к самым разным средам, что делает роботов более эффективными в своих сферах. Обучение на демонстрациях способствовало развитию применения робототехники в областях, где точность важна, например, в хирургической среде. [14]
В медицинской сфере технология SAR фокусируется на сборе сенсорных данных с носимых периферийных устройств для определения состояния пользователя. Собранная информация позволяет машине обеспечивать персонализированный мониторинг, мотивацию и обучение для реабилитации. Интуитивно понятный физический HRI и интерфейсы между людьми и роботами позволяют использовать такие функции, как запись движений хирурга, чтобы сделать вывод об их намерениях, определение механических параметров человеческих тканей и другие сенсорные данные для использования в медицинских сценариях. [15] Биогибридная робототехника находит применение в медицине, используя биоразлагаемые компоненты, позволяющие роботам безопасно функционировать внутри человеческого тела. [13]
Искусственный интеллект, машинное обучение и глубокое обучение позволили добиться успехов в области адаптируемой робототехники, такой как автономная навигация, распознавание объектов и манипулирование ими, обработка естественного языка и прогнозируемое обслуживание. Эти технологии сыграли важную роль в разработке коботов (коллаборативных роботов), которые представляют собой роботов, способных работать вместе с людьми, способными адаптироваться к изменяющейся среде. [16]
В промышленной сфере искусственный интеллект, машинное обучение и глубокое обучение могут использоваться для проверки качества производимой продукции, выявления дефектов в продукции и оповещения производственных групп о необходимости внесения необходимых изменений в режиме реального времени. [16]
и ограничения Проблемы
Системы, предполагающие физическое взаимодействие между людьми и роботами, сложно спроектировать хорошо из-за человеческой неопределенности. Люди регулярно меняют силу своих движений из-за человеческих факторов, таких как эмоции, биологические процессы и другие посторонние факторы, неизвестные роботу. Это может затруднить количественную оценку сенсорных данных для успешной адаптации роботов. Более того, конкретные потребности, характеристики и предпочтения, которые могут понадобиться пациенту в медицинском сценарии, варьируются от человека к человеку. Адаптируемым роботизированным системам требуется больше времени, чтобы адаптироваться к новой среде, передаваемой от пациента к пациенту. [14] [15]
Потребность в надежных данных от сенсорных технологий является проблемой для адаптируемых систем, особенно в сфере искусственного интеллекта. Поскольку модели искусственного интеллекта становятся все более совершенными, необходимость разработки периферийных технологий, способных предоставлять необходимую информацию для этих систем, становится все более сложной. Кроме того, необходимость в динамических средах для обучения алгоритмов ИИ оказывается сложной задачей, поскольку не каждый сценарий, в котором может оказаться машина, будет представлен ей во время обучения. [16]
Роевые роботы ограничены помехами и столкновениями, неопределенностью, отсутствием специализации и непониманием модели поведения стаи. [12] Биогибридная робототехника сталкивается с проблемами, связанными с деликатностью живых клеток, хотя они могут адаптироваться к различным средам благодаря свойствам биологического материала. [13]
См. также [ править ]
Ссылки [ править ]
- ^ П. Томсон, «Исчерпывающая история робототехники», G2, 30 августа 2019 г. https://www.g2.com/articles/history-of-robots (по состоянию на 30 октября 2023 г.).
- ^ «Адаптируемые роботы «на пути» к дому» . Новости Би-би-си . 27 мая 2015 г. Проверено 9 ноября 2023 г.
- ^ Jump up to: Перейти обратно: а б с Контент, спонсируется (29 июля 2019 г.). «Почему адаптивные роботы — это следующий большой шаг» . Обзор робототехнического бизнеса . Проверено 9 ноября 2023 г.
- ^ Jump up to: Перейти обратно: а б с д П. Томсон, «Исчерпывающая история робототехники», G2, 30 августа 2019 г. https://www.g2.com/articles/history-of-robots (по состоянию на 30 октября 2023 г.).
- ^ «Актуаторы: что это такое, определение, виды и как работает» . Прогрессивная автоматизация . Проверено 9 ноября 2023 г.
- ^ Чи, Иньдин; Чжао, Яо; Хун, Яойе; Ли, Янбинь; Инь, Цзе (февраль 2024 г.). «Взгляд на миниатюрную мягкую робототехнику: приведение в действие, изготовление, управление и применение» . Передовые интеллектуальные системы . 6 (2). дои : 10.1002/aisy.202300063 .
- ^ «Преимущества комплектов программируемых роботов для начинающих» . Твит IQ . 22 июня 2022 г. Проверено 26 июня 2023 г.
- ^ Тохи, Мохаммед; Гурвиндер, Вирк (2016). Достижения в кооперативной робототехнике — материалы 19-й международной конференции по Clawar 2016 . Хакенсак, Нью-Джерси: World Scientific. п. 159. ИСБН 9789813149120 .
- ^ Сяо, Вэй; Лю, Чанг; Ху, Дин; Ян, Банда; Хан, Сюй (апрель 2022 г.). «Мягкая роботизированная поверхность повышает адаптивность и надежность пневматических захватов». Международный журнал механических наук . 219 : 107094. doi : 10.1016/j.ijmecsci.2022.107094 .
- ^ Чи, Иньдин; Чжао, Яо; Хун, Яойе; Ли, Янбинь; Инь, Цзе (февраль 2024 г.). «Взгляд на миниатюрную мягкую робототехнику: приведение в действие, изготовление, управление и применение» . Передовые интеллектуальные системы . 6 (2). дои : 10.1002/aisy.202300063 .
- ^ Йим, Марк; Чжан, Ин; Дафф, Дэвид (1 февраля 2002 г.). «Модульные роботы» . IEEE-спектр .
- ^ Jump up to: Перейти обратно: а б с Церкви, Эндрю; Гальвез, Акеми; Суарес, Патрисия (2020). «Роевая робототехника - пример: робототехника летучих мышей». Вдохновленные природой вычисления и роевой интеллект . стр. 100-1 273–302. дои : 10.1016/B978-0-12-819714-1.00026-9 . ISBN 978-0-12-819714-1 .
- ^ Jump up to: Перейти обратно: а б с Conocimiento, Вентана др (21 октября 2019 г.). «Биогибридные роботы, следующий шаг в роботизированной революции» . ОпенМайнд . Проверено 9 ноября 2023 г.
- ^ Jump up to: Перейти обратно: а б Дэн, Тао; Гатти, Маттео; Пони, Стефано; Колдуэлл, Дарвин; Чен, Фэй (июнь 2023 г.). «Нечеткая динамическая система для обучения роботов навыкам движения на основе человеческой демонстрации». Робототехника и автономные системы . 164 : 104406. doi : 10.1016/j.robot.2023.104406 .
- ^ Jump up to: Перейти обратно: а б Окамура, Эллисон; Матарик, Майя; Кристенсен, Хенрик (сентябрь 2010 г.). «Медицинская и здравоохранительная робототехника». Журнал IEEE «Робототехника и автоматизация» . 17 (3): 26–37. дои : 10.1109/MRA.2010.937861 . hdl : 1853/37375 .
- ^ Jump up to: Перейти обратно: а б с Соори, Мохсен; Арезу, Бехруз; Дастрес, Роза (2023). «Искусственный интеллект, машинное обучение и глубокое обучение в современной робототехнике, обзор» . Когнитивная робототехника . 3 : 54–70. дои : 10.1016/j.cogr.2023.04.001 .
| Основные статьи |  | |
|---|---|---|
| Типы | ||
| Классификации | ||
| Передвижение | ||
| Навигация и картографирование | ||
| Исследовать | ||
| Компании |
| |
| Связанный | ||
 | Эта статья, посвященная робототехнике, незавершена . Вы можете помочь Википедии, расширив ее . |