Weiche Roboter sind flexibel und anpassungsfähig

Weiche Roboter sind flexibel und anpassungsfähig

New York, 31.1.2022

Weiche Maschinen – eine Unterkategorie der Robotik, die verformbare Materialien anstelle starrer Verbindungen verwenden – sind eine aufkommende Technologie, die häufig in der tragbaren Robotik und Biomimetik (z. B. Prothesen) eingesetzt wird. Weiche Roboter bieten eine bemerkenswerte Flexibilität, eine hervorragende Anpassungsfähigkeit und eine gleichmäßige Kraftverteilung, was die Interaktion zwischen Mensch und Maschine sicherer macht als bei herkömmlichen harten und steifen Robotern.

Eine wesentliche Komponente weicher Maschinen ist der hochpräzise Dehnungssensor zur Überwachung der Dehnungsänderungen jeder weichen Körpereinheit und zur Erzielung eines hochpräzisen Regelkreises, wobei mehrere neue Herausforderungen zu bewältigen sind:

Erstens erfordern die komplexen Bewegungen von Soft Machines, dass die Dehnungssensoren einen breiten Dehnungsbereich von <5% bis >200% überwachen, was die Möglichkeiten herkömmlicher Dehnungssensoren übersteigt.

Zweitens sind für die Überwachung der koordinierten Bewegungen einer Soft Machine mehrere Dehnungssensoren erforderlich, um die verschiedenen Erfassungsaufgaben für separate Robotereinheiten zu erfüllen, was langwierige Trial-and-Error-Tests erfordert.

Um dieses Problem zu umgehen, hat ein Forschungsteam der University of Maryland (UMD) unter der Leitung von Po-Yen Chen – einem Professor für Chemie- und Biomolekulartechnik an der UMD mit einer Doppelberufung in das Maryland Robotics Center – ein maschinelles Lernverfahren (ML) entwickelt, um die Erstellung eines Vorhersagemodells zu erleichtern, das zur Durchführung von Konstruktionsaufgaben in zwei Richtungen verwendet werden kann: (1) Vorhersage der Sensorleistung auf der Grundlage eines Herstellungsrezepts und (2) Empfehlung machbarer Herstellungsrezepte für geeignete Dehnungssensoren. Kurz gesagt, die Gruppe hat eine maschinelle Intelligenz entwickelt, die das Design von weichen Maschinen beschleunigt.

„Was wir im Wesentlichen geschaffen haben, ist eine hochpräzise Vorhersagesoftware, die auf einem maschinellen Lernsystem basiert und in der Lage ist, eine breite Palette von Dehnungssensoren zu entwickeln, die in verschiedene Soft Machines integriert werden können“, so Chen. „Um eine Analogie zum Essen zu verwenden: Wir geben einem ‚Koch‘ eine Liste von Zutaten, und dieser Koch ist in der Lage, das perfekte Gericht auf der Grundlage des individuellen Geschmacks des Kunden zu kreieren.“

Diese Technologie kann in den Bereichen fortschrittliche Fertigung, Unterwasserroboterdesign, Prothesendesign und darüber hinaus eingesetzt werden.

Diese Studie wurde am 26. Januar 2022 in Nature Machine Intelligence veröffentlicht. Wenn Sie mehr über die Arbeit von Dr. Chen erfahren möchten, besuchen Sie bitte die Website der Gruppe.

More information: Haitao Yang et al, Automatic strain sensor design via active learning and data augmentation for soft machines, Nature Machine Intelligence (2022). DOI: 10.1038/s42256-021-00434-8