ההתכנסות של הרובוטיקה הרכות והבינה המלאכותית מציינת שינוי משמעותי באיך מכונות נועדו, בנויות ופורסות. במקום להסתמך על מסגרות קשיחות, מפרקים מדויקים, ורצףים טרום-מופצים, דור חדש של רובוטים משתמשים בחומרים תואמים, חומרים מבוטעים, ואלגוריתמים למידה לפעול בסביבה לא מובנת, דינמית זו אינה רק שיפור הדרגתי; מה הם יכולים לעבור אל תוך כלי פריים עדינים עדינים, אשר אינם יכולים לנוע אל תוך כדי כך, אלא גם כדי שינוי של כלי רכב עדינים, אשר עלולים, אשר עלולים, כלומר, אשר יכולים לעבור על פני השטח, כלומר, כדי שינוי של כלי רכב גמישים, כדי כך, כדי כך, כדי כך, כדי כך, כדי כך, כדי כך, כדי כך, כלומר, כדי כך, כדי שינוי של צמחים גמישים, כדי כך, כדי שינוי, כדי כך, כדי שינוי של צמחים גמישים, כדי כך, כדי כך, כדי כך, כדי כך, כדי כך, כדי שינוי, כדי כך, כדי כך, כדי כך, כדי כך, כדי כך, כדי כך, כדי כך, כדי כך, כדי כך שהם יכולים לעבור על מנת לפעול בתוך מערכות ייצור גמישים, כדי כך, כדי כך, כדי כך שהם יכולים לעבור על מנת לפעול

מאמר זה חוקר את יסודות הרובוטיקה הרכות, את התפקיד של AI בהעצמת מכונות גמישות אלה, את היישומים בעולם האמיתי כבר בשימוש, ואת גבולות המחקר המבטיחים יכולות גדולות עוד יותר בעשור הקרוב.

מה זה Soft Robotics?

רובוטיות רכות היא תת-שדה אשר בונה רובוטים מחומרים עם תכונות מכניות דומות לאורגניזמים חיים.במקום ציוד מתכת, סרוטוריים, וקישורים קשיחים, רובוטים רכים משתמשים ב- elastomers, גומי סיליקון, הידרוג'ל, ובצורת פולימרים.חומרים אלה יכולים למתוח, להיות nd, מעוות, ודחוס, המאפשר עיוות מתמשך, מאשר תנועה משותפת דיסקרטי.

המניע העיקרי הוא השראה ביולוגית.בעלי חיים כמו octopuses, גזעי פיל ותולעי כדור הארץ יכולים לתמרן חפצים, לנווט חללים מוגבלים, ולהתאים את צורתם באופן מיידי.רובוטיקה Soft שואפת לשכפל את יכולת ההתאמה הזו. זרוע אופטוטופוס, למשל, אין עצמות וניתן לכופף בכל נקודה לאורך אורך שלה, תואר של חירות כי ממניפולטורים מסורתיים אינם יכולים להתאים.

שיטות מפתח ופעולה

רובוטים רכים מסתמכים על כמה מנגנוני הפעלה:

  • (FLT:0) ⁇ ופעולה הידראולית: ⁇ 1 ערוצים משובצים בחומרים אלסטומריים מנופחים או מנופחים כדי ליצור תנועה.זהו הבסיס למבצעים המפורסמים "pneu-net" שפותחו על ידי חוקרים במכון הווילס בהרווארד.
  • (FLT:0) סגסוגת של אשפה-מזיכרון (SMAsrea): מתכת 1:1 כמו ניטינינול שינוי צורה כאשר מחומם וחוזר לצורה המקורית שלהם כאשר קרירים.
  • (ב) [13] אלה הם קיבולים גמישים אשר מרחיבים כאשר מתח מוחל.הם יכולים לייצר זנים מהירים, גדולים ונחקרים עבור רובוטים רכה במהירות גבוהה.
  • (FLT:0) תאורטיקנים כימיים וכימיקליים: חליל:1) כמה חומרים להרחיב או החוזה בתגובה לטמפרטורה או לשינויים ב- pH, המאפשר תנועה ללא מקורות חשמל חיצוניים.

הבחירה של חומר ומעשה תלויה ביישום. עבור מכשירים רפואיים, סיליקון ביו-תואמים הם חיוניים. עבור מוליכים תעשייתיים, עמידות ומחזור החיים עניין יותר.כל הרובוטים הרכים חולקים, עם זאת, פילוסופיה עיצוב יסודי: עמידה היא תכונה, לא באג.

התפקיד של אינטליגנציה מלאכותית

בעוד חומרים רכים מספקים לגוף, אינטליגנציה מלאכותית מספקת למוח רובוט רך ללא אינטליגנציה, יהיה כמו דג ג'לי: מסוגל עיוות פסיבי אבל לא מסוגל לבצע פעולות תכליתיות. AI נותן למכונות האלה את היכולת לחוש, סיבה ולפעול בזמן אמת.

האתגרים נבדלים מאלה שברובוטיקה נוקשה.זרוע רכות יש דרגות אינסופיות תיאורטית של חופש.מודל התנהגותה עם משוואות מבוססות פיזיקה מסורתיות היא קשה מאוד.צורה של הרובוט תלויה בפעולתו, כוחות חיצוניים, כבידה, ומגע עם אובייקטים, אשר כולם אינטראקציה בדרכים לא לינאריות.

AI מתייחס לכך באמצעות גישות המונעות על ידי נתונים.מודלים למידה מכונה, במיוחד רשתות עצביות עמוקות ואלגוריתמים של למידה חיזוק, יכול ללמוד את המיפוי בין קלטי בקרה וכתוצאה מכך תנועות מבלי לדרוש מודל פיזי מפורש.

למידה מאינטראקציה

צינור אימון משותף פועל כדלקמן: רובוט רך מצויד חיישנים, כגון מד מתח, חיישנים לחץ, או מצלמה מצביע על הגוף שלו.זה מבצע אלפי רצפי פעולה אקראיים או מודרך תוך הקלטת התוצאות.רשת עצבית לומדת לחזות את הצורה או הכוח הנובע ממערך מסוים של לחצים אקטוטור.

Reinforcement Learning (RL) לוקח את זה עוד יותר.הרובוט אינטראקציה עם הסביבה שלו, מקבל פרסים או עונשים המבוססים על הצלחה המשימה, בהדרגה מגלה אסטרטגיות שליטה שעובדות. חוקרים ב-MIT מדעי המחשב ומעבדת בינה מלאכותית (CSAIL) הראו קולטנים רכים אשר לומדים לתפוס חפצים לא מוכרים לאחר כמה ניסויים, תוך התאמה של אסטרטגיית האחיזה שלהם בזמן אמת.

אינטגרציה ושילוב חושי

מאפשר קריטי עבור רובוטיקה רך מונע AI הוא רגיש.רובוטים קשיחים מסורתיים משתמשים לעתים קרובות קודקודים וחיישנים torque בכל מפרק.רובוטים רכים זקוקים לרגישות מבוזרת שיכולה למדוד עיוות על פני גוף מתמשך.

  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ :0) כאשר הרובוט מתפוגג, הגיאומטריה ערוץ משתנה, שינוי התנגדות חשמלית.
  • חיישנים אופטיים:0 (Fiber אופטיים: FLT:1 Bragg gratings) יכולים לזהות שינויים דקים ב curvature לאורך סיבים המוטבעים בגוף הרובוט.
  • (FLT:0Vision-based sensing:FreaLT:1) מצלמות חיצוניות או מצלמות פנימיות המתבוננות על פני השטח דפוס יכול להעריך צורה 3D באמצעות photogrammetry או למידה עמוקה.

אלה חיישני החיישן מזינים למודלים של AI שנותנים לרובוט תחושה של מצב הגוף שלו, הידוע בשם proprioception. בשילוב עם משוב חיצוני ממצלמות או חיישני tactile, הרובוט יכול לסגור את הלולאה בין תפיסה לפעולה.

היתרונות העיקריים של שילוב Soft Robotics ו- AI

השילוב של חומרים תואמים ושליטה אינטליגנטית יוצר יכולות שאף טכנולוגיה לא תוכל להשיג לבד.כאן היתרונות העיקריים:

גמישות מוגברת והתאמה

רובוטים רכים יכולים להתאים לאובייקטים של צורה לא ידועה, להחזיק פריטים שבריריים מבלי למחוץ אותם, ולנווט סביבות מחוספסות על ידי ניתוק דרך פערים. AI משפר את זה על ידי כך שהוא מאפשר הרובוט להתאים את האסטרטגיה שלו בזמן אמת כאשר הוא נתקל בצורות בלתי צפויות או משטחים. a משקיף תעשייתי מסורתי עשוי להיות צריך שינוי כדי להתמודד עם מוצר אחר; מסובייקט רך, AI מכוון להסתגל באופן אוטומטי.

שיפור הבטיחות עבור אינטראקציה אנושית

הדחף המכני הנמוך של חומרים רכים פירושו שהתנגשות הן פחות סיכוי לגרום לפציעה.כאשר בשילוב עם AI המנטר את הקרבה והכוונה, הרובוטים האלה יכולים לעבוד לצד בני אדם ללא כלוב בטיחות כבד הנדרש לרובוטים תעשייתיים מסורתיים.זה פותח שיתוף פעולה רובוטי אנושי במסגרות כמו אספה, לוגיסטיקה ואפילו טיפול ביתי.

יותר ויותר אוטונומיה ולמידה

בינה מלאכותית מאפשרת לרובוטים רכים לשפר את החוויה.במקום להיות מופצים לכל משימה חדשה, הם יכולים ללמוד מהפגנות או ממשפט וטעייה.זה חשוב במיוחד בסביבות שהן שונות מכדי לפני הניתוח, כגון פיקוח תת-ימי, חקלאות שדה או אזורי אסון.

הרחבה יותר של סביבת יישומים

רובוטים רכים מתאימים יותר לסביבות שבהן מכונות קשיחות נאבקות: בתוך הגוף האנושי, בהגדרות קורוזיות או אברותיות, בחללים עם גישה מוגבלת, או ביישומים הדורשים מגע עדין. AI מרחיבה את ההגעה הזו על ידי מתן הרובוט לאינטליגנציה כדי להתמודד עם אי ודאות, שינוי תנאים והחלטות מורכבות.

יישומים אמיתיים

טכנולוגיות אלה עברו מעבר למעבדות מחקר לשימוש מעשי.כאן חלק מאזורי היישום המשפיעים ביותר.

בריאות ורובוטיקה רפואית

רובוטיות רכות הופכות לאמצעי ניתוח, שיקום ומכשירים מסייעים. בניתוח פולשני מינימלי, כלי קשיח יכול לפגוע רקמות אם היא מפעילה יותר מדי כוח. Soft, מכשירים תואמים עם שליטה AI-assised יכול לנווט סביב איברים, ליישם בדיוק כוחות מבוקרים, ולהקטין את הטראומה.

שחזור exoskeletons שנעשו מטקסטיל רך ולא מסגרות קשיחות יכול לעזור לחולים עם ליקויי ניידות. אלגוריתמי AI להתאים את רמות הסיוע בהתבסס על הגאות והעייפות של המטופל, מתן תמיכה רק כאשר נדרש.זה מקדם דפוסי תנועה טבעיים ושיקום מהיר יותר.

שתלים רובוטיים רכים נחקרים גם הם מפתחים ממריצים רכים שניתן להשתלת סביב הלב כדי לסייע עם משאבה, עם מערכות בקרה מסונכרנות עם קצבי לב טבעיים.

חקלאות ומזון

קציר פירות רכים כמו פירות יער, עגבניות, וארסקות עדיין נעשה בעיקר על ידי ידי אדם כי ציידים רובוטיים קונבנציונליים להזיק לייצר. צצים רך עם מערכות ראיית AI יכולים לזהות פירות בשלים, לגשת אליו עם אוריינטציה נכונה, לתפוס אותו עם מספיק כוח לבחור אותו ללא הדבקה. חברות כמו Soft Robotics Inc. יש מערכות כאלה מסחריות לעיבוד מזון ואריזות, צמצום עלויות עבודה ופסולת.

בנוסף לקציר, רובוטים רכים משמשים לבדיקה צמחית, חשדנות, והסרתם של הפינוי.היכולת שלהם לעבור דרך שטות צפופה ללא יבולים מזיקים הופכת אותם אידיאליים לחקלאות מדויקת.

ייצור ואסיפה

סביבות ייצור כרוכות יותר ויותר בייצור גבוה, נמוך כרכים שבו אוטומציה מסורתית היא גמישה. Soft, AI מונעים מלוכדים יכול להתמודד עם מגוון רחב של חלקים, ממרכיבים אלקטרוניים עדינים ליהיטות מתכת כבדות, ללא שינויים בכלי.זה מקטין זמן רב יותר ומאפשר קווי ייצור זריזים יותר.

רובוטים רכים משמשים גם למשימות הכרוכות בציות, כגון הוספת שיתוק לתוך חור עם סובלנות הדוקה.ציות גוף הרובוט לפצות באופן טבעי על אי-ציות קטנות, בעוד AI לומד את הדרך האופטימלית למזער את כוחות ההזרקה.

חיפוש והצלה

אזורי אסון הם בלתי צפויים. Rubble, חללים מוגבלים, משטחים לא יציבים מקשים על רובוטים קשיחים מגלגלים או מטביעים רגליים לפעול.רובוטים רכים, בהשראת תולעים ונחשים, יכולים לזחול באמצעות פתחים קטנים, לשנות את צורתם כדי להתאים את הסביבה, לעמוד בהשפעות שישברו מכונות קשיחות.

בינה מלאכותית מאפשרת לרובוטים האלה לחקור באופן אוטונומי, למפות את סביבתם, לזהות ניצולים באמצעות חיישנים על הסיפון. כי הם רכים, הם מהווים פחות סיכון לאנשים לכודים אם מגע מתרחש. חוקרים מאוניברסיטת קליפורניה, סן דייגו, פיתחו רובוטים רכים שיכולים לשחות, לזחול ולטפס, תוך כדי שימוש בחיזוק למידה כדי בחירת מצב ההשבחה הטוב ביותר עבור השטח.

⁇ : כמה רובוטים רכים לומדים לשלוט ב-Themselves

שליטה היא האתגר המרכזי הרובוטיקה הרכות.בניגוד לזרוע נוקשה עם שישה מפרקים, שבו המרחב הממלכתי הוא 12 ממדים (השערה ומהירות של כל מפרק), רובוט רצף רך יש מרחב מדינה שהוא, באופן עקרוני, אינסופי. אפילו לאחר פירוק, מספר דרגות החופש הוא פקודות גדולות יותר מאשר במערכות קשיחות.

גישות מבוססות מודל

מאמצים מוקדמים ניסו לבנות מודלים אנליטיים המבוססים על מכניקת רצף.תיאורית אוילר-ברלי אמם, תורת המוטה קוסלראט, ושיטות יסוד סופיות יכולות לדמות את הצורה של רובוט רך תחת עומסים ופעולה.מודלים אלה שימושיים לתכנון וסימולציה אבל הם יקרים מבחינה חישובית ולא מדויקים בזמן אמת בגלל חומרים לא לינאריות ויסטריה.

גישה חופשית ו-Data-Driven

המגמה עברה לכיוון שליטה חופשית, מבוססת נתונים.רשתות נילי יכולות ללמוד את המיפוי מפקודות אקטוציה לצורה או נקודת הקצה המתקבלת ישירות מהנתונים.אדריכלות נפוצה משתמשת ברשת הזנה עמוקה עם כמה שכבות נסתרות, מאומן על אלפי זוגות מתואמת תועדו.לאחר אימון, הרשת פועלת במהירות מספקת לשליטה בזמן אמת, לעתים קרובות בקצב של חומרה מוטבעת על חומרה.

Reinforcement Learning for Complex Tasks

עבור משימות הדורשות קבלת החלטות מחייבת, כגון לתפוס אובייקט ולאחר מכן הצבתו במיקום יעד, חיזוק הלמידה היא התאמה טבעית.הרובוט הרך אינטראקציה עם הסביבה שלו, ואלגוריתם ה-RL מאמת את המדיניות שלו כדי למקסם את אות הפרס.האתגר העיקרי הוא יעילות הדגימה: לרוב רובוטים רכים יש ציות גבוהות ודינמיקה איטית, כלומר, אלפי ניסויים בעולם האמיתי יכולים לקחת שעות או ימים.

כדי להאיץ למידה, החוקרים משתמשים בסימולטורים רובוטיים סימולציה. Soft על בסיס שיטת פיניטמנט או על מודלים מסדר מופחת יכול ליצור מיליוני ניסיון פעוטים במהירות.המדיניות מאומנת בסימולציה ולאחר מכן מועברת רובוט אמיתי. Domain אקראיזציה, שבו הפרמטרים הסימולציה הם מגוונים במהלך אימון, עוזר את המדיניות להפוך את ההתאמה בעולם האמיתי.

העברה אמיתית

העברת מדיניות מסימולציה למציאות נותרה תחום מחקר פעיל.חומרים רכים יש סובלנות ייצור וללבוש לאורך זמן, המוביל להבדלים בין התנהגות מדומה ואמיתית.כוונון עדין על הרובוט האמיתי עם מספר קטן של ניסויים נוספים הוא לעתים קרובות מספיק כדי לסגור את הפער.גישה אחרת היא הסתגלות מקוונת, שבו הרובוט מעדכן את המודל או המדיניות שלו על בסיס נתונים חדשים, למידה יעילה על העבודה.

אתגרים ומגבלות

למרות ההתקדמות המהירה, הרובוטיקה הרטובה בשילוב עם AI מתמודדת עם מכשולים משמעותיים לפני שהוא יכול להיות כלוביקוויטי כמו אוטומציה מסורתית.

יציבות ושומן

חומרים רכים רגישים יותר ללבוש, לקרוע, עייפות מאשר מתכת או פלסטיק קשה. עיוות חוזר במתח גבוה יכול להוביל סדקים, החלמה, או אובדן של גמישות.שיפור תוחלת החומר באמצעות אלטרמונים חדשים, פולימרים מרגיעים עצמיים, או ציפוי מגן הוא עדיפות מחקר מתמשך.

מורכבות שליטה וגמישות

הגמישות שנותנת לרובוטים רכים היתרון שלהם גם עושה אותם קשה לשלוט בדיוק. Hysteresis, לא לינארית מצמרר, רגישות לטמפרטורה כל שליטה סיבכת.עבור יישומים קריטיים כמו ניתוח או בקרת טיסה, אמינות חייבת להיות גבוהה במיוחד, והוכחה לכך שהשימושיות של בקר מונע נתונים היא קשה.

כוח ואנרגיה

רובוטים רכים Pneumatic דורשים משאבות, דחוסים ושסתום, אשר מוסיפים רוב, רעש וצריכת אנרגיה. Dielectric elastomers וסגסוגת בצורת-זיכרון יכול להיות יותר יעיל אנרגיה אבל לעתים קרובות דורש מתח גבוה או רכיבה תרמית משמעותית.

ייצור ו Scalability

רוב הרובוטים הרכים כיום מתכנסים או מקובצים בתבניות. תהליכי ייצור סקאלהפול, כגון הדפסה תלת-ממדית של מבנים רכים רב-חומריים או שכבתיים אוטומטית, מפותחים אך עדיין אינם בוגרים.

שילוב עם מערכות קיימות

רובוטים רכים אינם מתאימים באופן מסודר לתשתיות ייצור או לוגיסטיקה קיימות, אשר תוכנן סביב אוטומציה נוקשה. Interfaces, אחיזה ופרוטוקולים תקשורת חייבים להיות מותאמים.ערמת התוכנה של AI צריך גם להשתלב עם מערכות בקרה מורשת, אשר עשוי לדרוש תוכנות ביניים מותאמות אישית.

אפשרויות לעתיד ודרכים מחקר

השדה מתקדם בחזיתות מרובות, והעשור הבא מבטיח לטפל במגבלות רבות של ימינו.

חומרים מתקדמים

עצמי-healing elastomers, פולימרים בצורת-זיכרון עם זמני תגובה מהירים יותר, וחומרים עם נוקשות משתנה (באמצעות ג'ימינג, חימום או שדות חשמליים) נמצאים בפיתוח. רובוט שיכול להיות רך עבור לתפוס ונוקשות עבור כוח מאמץ יהיה לשלב את הטוב ביותר של שני העולמות.

Embedded Intelligence and Edge מחשוב

במקום להסתמך על מחשב מרוחק, רובוטים רכים עתידיים ימשיכו מעבדים המסוגלים לנהל רשת עצבית בהקצאה. מיקרו-בקרים בעלי כוח נמוך ומפעילי בינה מלאכותית מיוחדים כבר עושים את זה אפשרי.זה יאפשר ניתוח אוטונומי לחלוטין, בלתי צפוי.

Multi-Robotתיאום

סוורור של רובוטים רכים קטנים יכול לעבוד יחד על משימות כמו ניטור סביבתי, בנייה או חקירה. אלגוריתמי AI לקבלת החלטות קולקטיבית, בדומה לאלה המשמשים במושבות חרקים, יכול לתאם עשרות או מאות רובוטים פשוטים להשגת מטרות מורכבות.

זמינות ואינטגרציה רפואית

רובוטים רכים התואמים לחלוטין לגוף האדם, כולל גרסאות ביו-דידיות, יכולים לבצע פונקציות טיפוליות זמניות בתוך הגוף ולאחר מכן להתמוסס. מערכות בקרה של בינה מלאכותית שמממשקות עם אותות עצביים יכולות לאפשר לגפיים אסתטיות מבוקרות במוח עם תנועה רכות וטבעית.

שיקולים אתיים וסוציאליים

ככל שרובוטים רכים הופכים להיות יותר מסוגלים ואוטונומיים, שאלות של בטיחות, אחריות, ועקירת עבודה הופכות לדוחות.סטנדרטים לתכנון בטוח ולבדיקות של מערכות רובוטיות רכות נדרשים.לעבור החלטות AI, במיוחד עבור רובוטים הפועלים במרחב הציבורי, יהיו חיוניים לאמון הציבור.

מסקנה

רובוטיות רך ואינטליגנציה מלאכותית יחד יוצרים מעמד חדש של מכונות שהן יותר הסתגלותיות, בטוחות יותר, ומסוגלות יותר מאשר רובוטים קשיחים מסורתיים.על ידי לקיחת השראה מביולוגיה ושימוש בשליטה מבוססת נתונים כדי להתגבר על האתגרים של עמידה, מערכות אלה פותחות יישומים בתחום הבריאות, חקלאות, ייצור ותגובה אסון שהיו בעבר מחוץ להישג ידם. בעוד אתגרים משמעותיים נשארים עמידות, בקרה, ייצור, שילוב, מסלול של חוקרים חכמים, ממשיכים לדחוף את תחומי עבודה, תוך כדי שמירה על פני כדור הארץ, תוך כדי שמירה על פני השטח, תוך כדי שמירה על פני השטח, תוך כדי שמירה על פני השטח, ופעולות מדע, ופעולות טכנולוגיות חכמות, ופעולות, ופעולות, ופעולות טכנולוגיות, תוך כדי שמירה על פני מערכות למידה, תוך כדי שמירה על פני השטח, תוך כדי שמירה על פני השטח, תוך כדי שמירה על פני השטח של אנשים, ופעולות טכנולוגיות חכמות, תוך כדי שמירה על פני השטח, תוך כדי שמירה על פני השטח, ופעולות טכנולוגיות חכמות, תוך כדי שמירה על פני מערכות למידה, קרוב יותר, תוך כדי שמירה על פני השטח של אנשים, תוך כדי שמירה על פני השטח, קרוב, קרוב, תוך שמירה על פני השטח, תוך שמירה על פני השטח, תוך כדי שמירה על פני השטח, תוך שמירה על פני השטח, תוך כדי שמירה על פני השטח,