Robô adaptável supera obstáculos

Robô adaptável supera obstáculos

Este robô se adapta para navegar por uma pista de obstáculos

Um sistema central de percepção permite esse robô adaptar suas próprias configurações em cada novo desafio.

Quando temos um martelo, todos pensam num prego, Mas o mundo começa a parecer um pouco mais interessante se o seu martelo puder mudar de forma.

Para os construtores de uma classe de robôs chamados de , robôs modulares auto-adaptáveis (MSRR), mudança de forma é o primeiro passo para moldar um robô com adaptabilidade animal para situações desconhecidas. “A questão da autonomia torna-se mais complicada, assim sendo mais interessante” quando os robôs podem mudar para atender às circunstâncias em mudança, disse o roboticista Hadas Kress-Gazit da Universidade de Cornell.

A chave para alcançar a adaptabilidade para robôs está no processamento sensorial centralizado, percepção ambiental, e software de tomada de decisão, Kress-Gazit e colegas disseram esta semana em um novo artigo na Science Robotics. Os autores afirmam que seu novo trabalho representa a primeira vez onde um robô modular resolveu problemas autonomamente através de reconfigurações para adaptar-se a mudanças do ambiente.

Robôs auto-adaptáveis datam de cerca de três décadas, para a era dos Transformers, disse Mark Yim da Universidade da Pensilvânia, outro autor no estudo, durante uma conferência de imprensa com Kress-Gazit. “A comunidade de robótica tem feito muito progresso na compreensão do meio ambiente”, disse ele. “O que estamos fazendo aqui é entender as capacidades do robô”.

Em outras palavras: Robô, entendi a si mesmo. O robô utilizado por eles em seus estudos é conhecido por SMORES-EP, e é composto por vários modulos cúbicos que podem prender-se de diferentes maneiras usando imãs. A maioria dos MSRRs são descentralizado, com cada módulo contribuindo igualmente para o planejamento (através do software) e da execução (através do hardware). Eles também podem separar-se em um enxame ou unir-se em um único objeto.

Mas em um novo estudo, os pesquisadores anexaram uma webcam em um pequeno mastro a um dos módulos do robô, dando um aspecto de olho de Sauron com a qual pode se ver e a central de processamento pode comandar todos os módulos.

Em seguida, a equipe projetou três desafios de laboratório para o robô que envolviam a identifação de objetivos coloridos e marcados em uma área de testes repleta de obstaculos e movendo os objetos ao redor. Em um caso, o robô teve que entrar num túnel. Em outro, tinha que colocar um selo no alto de uma caixa.

Para simplificar as coisas, a equipe também armazenou na biblioteca de software do robô classificações predefinidas do ambiente de teste. Então o robô teve que reconhecer e categorizar os objetos e obstáculos encontrados a partir de um conjunto limitado de possibilidades (tuneis, escadas e assim por diante), não de um conjunto infinito de possibilidades, como seria no mundo real. Essa configuração tornou mais provável que o robô tivesse sucesso nos testes relatados no estudo.

Durante os testes, o software de planejamento do robô coletou informações da câmera sobre o ambiente de teste e usou sua biblioteca para decidir qual configuração usar na tentativa de cada tarefa. A equipe mostrou que o robô equipado com Sauron poderia completar cada tarefa durante várias tentativas e, embora não o comparassem diretamente a uma versão descentralizada de si mesmo, eles notaram os pontos de falha do sistema.

A equipe calculou que a maioria dos erros (pouco mais de 40%) que ocorreram durante os testes foram problemas de hardware de baixo nível, como falhas do atuador. A segunda área mais problemática foi a percepção, que foi responsável por cerca de um quarto das falhas, seguida por erros humanos.

A capacidade do sistema robótico de integrar percepção, planejamento de alto nível e hardware modular é o principal passo em frente nessa pesquisa, diz o roboticista Pinhas Ben-Tzvi da Virginia Tech, em Blacksburg: “Dada uma especificação de tarefa de alto nível, um robô modular explora autonomamente um ambiente desconhecido, decide quando e como reconfigurar e manipula objetos para concluir sua tarefa.”

Os autores escrevem que poderiam tornar os futuros sistemas mais robustos, incorporando mais informações de sensores de componentes de baixo nível (como uma roda que detecta etapas acima do esperado em uma escada) no software de planejamento.

 

Autor do Artigo:  Lucas Laursen

Artigo Original: https://spectrum.ieee.org/automaton/robotics/robotics-hardware/transformerbots

Leave a reply

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *