Un câine robot numit Morti a învățat să meargă în doar o oră

20 07. 2022, 17:00

This browser does not support the video element.

O girafă nou-născută trebuie să învețe să meargă pe picioare cât mai repede posibil pentru a evita prădătorii. Un câine robot a reușit să facă asta într-o singură oră.

Animalele se nasc cu rețele de coordonare musculară situate în măduva spinării. Cu toate acestea, învățarea coordonării precise a mușchilor și tendoanelor picioarelor durează ceva timp.

Inițial, puii de animale se bazează foarte mult pe reflexele măduvei spinării. Deși sunt ceva mai elementare, reflexele de control motor ajută animalul să evite căderea și să se rănească în timpul primelor încercări de mers.

Următoarele mișcări, mai avansate și mai precise, trebuie exersate până când în cele din urmă sistemul nervos este bine adaptat la mușchii și tendoanele picioarelor tânărului animal. Abia atunci animalul tânăr poate ține pasul cu adulții, scrie Tech Xplore.

Cercetătorii studiază mersul animalelor cu ajutorul unui câine robot

Cercetătorii de la Institutul Max Planck pentru Sisteme Inteligente (MPI-IS) din Stuttgart, Germania, au efectuat un studiu de cercetare pentru a afla cum învață animalele să meargă și cum învață din poticniri. Aceștia au construit un câine robot care i-a ajutat să descopere detaliile.

„Ca ingineri și specialiști în robotică, am căutat răspunsul construind un robot care are reflexe la fel ca un animal și care învață din greșeli”, spune Felix Ruppert, fost doctorand în grupul de cercetare Locomoție dinamică de la MPI-IS.

„Dacă un animal se împiedică, este o greșeală? Nu dacă se întâmplă o dată. Dar dacă se împiedică des, acest lucru ne oferă o măsură a cât de bine merge robotul”, spune Ruppert.

Felix Ruppert este prim autor al unei lucrări apărute în revista Nature Machine Intelligence.

Mersul cu ajutorul algoritmilor

După ce a învățat să meargă în doar o oră, robotul lui Ruppert folosește bine mecanica complexă a picioarelor sale. Un algoritm de optimizare bayesian ghidează învățarea: informațiile senzorului piciorului sunt corelate cu datele țintă din măduva spinării virtuale modelată care rulează ca program în computerul robotului.

Robotul învață să meargă comparând în mod continuu informațiile transmise și așteptate ale senzorului, rulând bucle reflexe și adaptându-și modelele de control motor.

Algoritmul de învățare adaptează parametrii de control ai unui generator central de modele (CPG). La oameni și animale, acești generatori centrali de modele sunt rețele de neuroni din măduva spinării care produc contracții periodice ale mușchilor fără semnale de la creier.

Cum învață animalele să meargă?

Rețelele de generatoare centrale de modele ajută la generarea de sarcini ritmice, cum ar fi mersul pe jos, clipirea sau digestia. În plus, reflexele sunt acțiuni involuntare de control motor declanșate de căi neuronale precise care conectează senzorii din picior cu măduva spinării.

Atât timp cât animalul tânăr merge pe o suprafață perfect plană, CPG-urile pot fi suficiente pentru a controla semnalele de mișcare de la măduva spinării. O mică denivelare, însă, schimbă mersul.

Reflexele intervin și ajustează tiparele de mișcare pentru a împiedica animalul să cadă. Aceste modificări momentane ale semnalelor de mișcare sunt reversibile sau „elastice”, iar modelele de mișcare revin la configurația inițială după perturbare.

Dar dacă animalul nu încetează să se împiedice după mai multe cicluri de mișcare, în ciuda reflexelor active, atunci modelele de mișcare trebuie reînvățate și făcute „plastice”.

Un câine robot pe nume Morti

La animalul nou-născut, CPG-urile nu sunt inițial ajustate suficient de bine și animalul se împiedică, atât pe teren uniform, cât și pe teren denivelat. Dar animalul învață rapid cum CPG-urile și reflexele sale controlează mușchii și tendoanele picioarelor.

Același lucru este valabil și pentru un câine robot de mărimea unui Labrador, numit Morti. Robotul își optimizează tiparele de mișcare mai repede decât un animal, în aproximativ o oră.

CPG-ul lui Morti este simulat pe un computer mic și ușor care controlează mișcarea picioarelor. Această măduvă a spinării virtuală este plasată pe spatele robotului patruped acolo unde ar fi capul. În timpul orei necesare pentru ca robotul să meargă lin, datele senzorilor de la picioarele robotului sunt comparate în mod continuu cu atingerea așteptată, prezisă de CPG-ul robotului.

Dacă robotul se împiedică, algoritmul de învățare modifică cât de departe se balansează picioarele înainte și înapoi, cât de repede se balansează picioarele și cât timp stă un picior pe sol. Mișcarea ajustată afectează, de asemenea, cât de bine își poate folosi robotul mecanica picioarelor.

Cum funcționează acest câine robot?

În timpul procesului de învățare, CPG-ul trimite semnale motorii adaptate, astfel încât robotul să se împiedice mai puțin și să își optimizeze mersul. În acest cadru, măduva spinării virtuale nu are cunoștințe explicite despre designul piciorului robotului, motoarele și arcurile acestuia. Neștiind nimic despre fizica mașinăriei, îi lipsește un „model” de robot.

„Robotul nostru practic este ‘născut’ fără a ști nimic despre anatomia picioarelor sau despre modul în care funcționează acestea”, explică Ruppert.

„CPG-ul seamănă cu o inteligență automată de mers încorporată pe care natura o oferă și pe care noi i-am transferat-o robotului. Calculatorul produce semnale care controlează motoarele picioarelor, iar robotul merge și se împiedică”, spune el.

„Datele ajung înapoi de la senzori la măduva spinării virtuale unde sunt comparate cu cele ale CPG. Dacă datele senzorului nu se potrivesc cu datele așteptate, algoritmul de învățare modifică comportamentul de mers până când robotul merge bine și fără să se împiedice. Modificarea ieșirii CPG în timp ce menține reflexele active și monitorizează poticnirea robotului este o parte esențială a procesului de învățare”, explică cercetătorul.

Eficiență energetică

Computerul lui Morti consumă doar 5 wați de putere în timpul mersului. Roboții industriali patrupezi de la producători de seamă, care au învățat să ruleze cu ajutorul unor controlere complexe, sunt mult mai avizi de energie.

Controlerele lor sunt codificate cu cunoștințe despre masa exactă a robotului și geometria corpului, folosind un model al robotului. De obicei consumă câteva zeci, până la câteva sute de wați. Ambele tipuri de roboți funcționează dinamic și eficient, dar consumul de energie de calcul este mult mai mic în modelul făcut la Stuttgart. De asemenea, acesta oferă perspective importante asupra anatomiei animalelor.

„Nu putem cerceta cu ușurință măduva spinării unui animal viu. Dar putem modela una într-un robot”, spune Alexander Badri-Spröwitz, coautor al lucrăii și conducător al Grupului de cercetare dinamică a locomoției.

„Știm că aceste CPG-uri există la multe animale. Știm că reflexele sunt încorporate; dar cum le putem combina pe ambele astfel încât animalele să învețe mișcările cu reflexe și CPG-uri? Aceasta este o cercetare fundamentală aflată la intersecția dintre robotică și biologie. Modelul robotic oferă noi răspunsuri la întrebări la care biologia singură nu poate răspunde”, a conchis Badri-Spröwitz.

Vă recomandăm să citiți și:

Constanta gravitațională, măsurată din nou de către cercetători

Un nou concept pentru o bază pe Lună. Ce presupune gravitația artificială?

Autobuzele electrice sunt bune pentru mediu, dar se poate și mai bine?

Dezinfectarea apei cu ajutorul luminii solare, o posibilă soluție pentru zonele rurale