Estimando o consumo de energia em robôs com pernas durante diferentes gaitas

Compreender o consumo de energia de robôs com pernas durante várias marchas é essencial para otimizar seu desempenho, estender o tempo operacional e permitir sistemas autônomos mais eficientes. À medida que os robôs com pernas se tornam cada vez mais sofisticados e encontram aplicações em diversos campos – desde operações de busca e resgate até exploração planetária – a capacidade de estimar e minimizar com precisão o uso de energia surgiu como prioridade de pesquisa crítica. Caminhadas diferentes, como caminhada, trote, galope e limites, requerem quantidades variáveis de energia dependendo de sua biomecânica, dinâmica, condições de terreno e requisitos de velocidade.

O estudo do consumo de energia em robôs com pernas extrai-se fortemente de sistemas biológicos, onde quadrúpedes adotam a marcha mais eficiente em termos energéticos para uma determinada velocidade.Esse princípio tem profundas implicações para o projeto e controle robótico, pois engenheiros buscam replicar a notável eficiência observada na natureza. Ao compreender as relações fundamentais entre a seleção da marcha, velocidade, terreno e gasto energético, pesquisadores podem desenvolver robôs mais capazes que operam mais tempo em fontes de energia limitadas e navegar em ambientes desafiadores com maior autonomia.

A importância fundamental da eficiência energética na robótica legged

A eficiência energética representa um dos desafios mais significativos que a robótica moderna enfrenta. Apesar dos aprimoramentos no desenvolvimento de sistemas robóticos, a economia de robôs está muito atrás da dos sistemas biológicos. Essa lacuna entre sistemas artificiais e naturais motiva a pesquisa contínua sobre os princípios que regem a locomoção eficiente.

A importância da eficiência energética se estende além de simples considerações de vida útil da bateria. Para robôs autônomos instalados em ambientes remotos ou perigosos, as restrições de energia limitam diretamente a duração da missão, o alcance operacional e a capacidade de carga. Sistemas legados têm as desvantagens da carga útil para a relação peso e baixa eficiência energética, e um robô autônomo anda não pode funcionar satisfatoriamente com uma baixa eficiência energética devido ao fato de que ele tem que transportar todas as unidades de condução e controle, além da carga útil e corpo tronco.

Além disso, a minimização do consumo de energia desempenha um papel fundamental no desenho de um robô autônomo multiperna, que influencia todos os aspectos do desenvolvimento do robô, desde o design mecânico e seleção do atuador até o controle de algoritmos e estratégias de planejamento da marcha. Compreender como diferentes marchas consomem energia fornece aos designers informações cruciais para otimizar esses sistemas interligados.

Tipos de Gaits em Robots Pernas

Robôs com pernas podem realizar vários tipos de marchas, cada um caracterizado por padrões de queda de pés distintos, fatores de dever e propriedades dinâmicas. A locomoção com pernas é comumente estudada e expressa como um conjunto discreto de padrões de marcha, como andar, trote, galope, que são geralmente tratados como dados e pré-programados em robôs com pernas para locomoção eficiente em diferentes velocidades. Compreender esses tipos de marcha e suas características é fundamental para estimar o consumo de energia.

Gait de caminhada

A marcha é caracterizada por um padrão lento e estável, onde pelo menos três pernas mantêm contato com o solo em qualquer momento em sistemas quadrupedais, que proporciona estabilidade e eficiência energética, tornando-o adequado para movimentos lentos e estáveis. Na caminhada, o robô mantém estabilidade estática ao longo do ciclo de marcha, o que significa que o centro de massa permanece dentro do polígono de apoio formado pelos pés em contato com o solo.

Para robôs bípedes, a caminhada envolve alternar fases de suporte simples e duplo, com um ou ambos os pés no chão em todos os momentos. A marcha normalmente exibe forças de pico mais baixas e movimento mais suave em comparação com as marchas dinâmicas, o que contribui para sua eficiência energética em velocidades mais baixas. No entanto, à medida que a velocidade aumenta, o custo metabólico da caminhada aumenta, tornando-a menos eficiente do que marchas mais rápidas como trotar ou correr.

Trote de marcha

A marcha de trote envolve pares diagonais de pernas se movendo juntas, enquanto o outro par diagonal se move alternadamente, por exemplo, as pernas direitas esquerda e traseira da frente se movem juntas, enquanto as pernas esquerdas direita e traseira da frente se movem juntas, permitindo locomoção mais rápida do que andar enquanto mantém a estabilidade.

A marcha trotting tem sido extensivamente estudada em robôs quadrúpedes devido às suas vantagens práticas. As marchas simétricas, como a trotting, são comumente empregadas em robôs quadrúpedes pela sua simplicidade e estabilidade. Pesquisas têm mostrado que o trotting pode ser altamente eficiente em termos de energia em velocidades moderadas, e muitos robôs quadrúpedes de sucesso, incluindo os robôs Cheetah MIT e Boston Dynamics, utilizam o trotting como um modo de locomoção primária.

A trotagem realiza a marcha mais estável de acordo com a variação da atitude corporal, que se deve ao seu passo diagonal sem fase de voo. Essa estabilidade, combinada com uma eficiência energética razoável, faz com que a trote seja uma excelente marcha de propósito geral para muitas aplicações robóticas.

Gaits de amarração e galopamento

Na marcha limite, o quadrúpede combina caminhada ou trote, seguido de um período de suspensão ou voo, durante o qual todas as quatro pernas estão fora do chão. A bounding e galope representam marchas dinâmicas de alta velocidade que envolvem fases aéreas onde o robô é completamente aéreo. Estas marchas permitem locomoção rápida, mas normalmente requerem sistemas de controle mais sofisticados e consomem mais energia por unidade de distância em velocidades mais baixas.

Galopando, semelhante a uma sequência de pedestres, mas com uma sequência de pedestres diferente, permite que quadrúpedes atinjam a velocidade máxima. A maneira como quadrúpedes alteram seus padrões de locomotivas – andar, trotar e galopar – com velocidade de mudança é pouco compreendida, mas transições espontâneas de marcha entre padrões eficientes em energia podem ser demonstradas alterando apenas o parâmetro relacionado à velocidade. Pesquisando sobre essas marchas de alta velocidade revelou importantes insights sobre a relação entre velocidade, consumo de energia e seleção de marchas.

Acendendo a Gait

A marcha de estimulação é semelhante à marcha de trote, mas as pernas do mesmo lado do movimento quadrúpede juntos - por exemplo, ambas as pernas esquerdas se movem juntas, seguidas por ambas as pernas direitas - oferecendo maior velocidade em comparação com trote, mas pode sacrificar alguma estabilidade. Pacing é menos comumente usado em sistemas robóticos do que troteamento devido à sua reduzida estabilidade lateral, embora possa ser vantajosa em circunstâncias específicas.

Selecção de marcha e adaptação do terreno

A escolha da marcha para um robô quadrúpede depende de sua aplicação e ambiente pretendidos – por exemplo, caminhadas ou marchas trotting são preferidas para estabilidade e eficiência energética em terrenos ásperos, enquanto caminhadas delimitadoras ou galopantes são usadas para velocidades mais altas em áreas mais abertas, e robôs quadrúpedes podem muitas vezes adaptar suas marchas a diferentes situações. Esta adaptabilidade é crucial para robôs que operam em ambientes não estruturados, onde as condições do terreno variam significativamente.

Entretanto, estudos recentes em animais motores mostram que essas marchas convencionais são apenas prevalentes em condições ideais de terreno plano, enquanto a locomoção do mundo real é desestruturada e mais parecida com surtos de passos intermitentes, sendo que essa observação tem implicações importantes para a forma como projetamos e controlamos robôs pernados, sugerindo que a adesão rígida aos padrões de marcha pré-definidos pode limitar o desempenho em cenários do mundo real.

A Relação entre Consumo de Energia e Transições de Gaiolas

Um dos aspectos mais fascinantes da locomoção das pernas é o fenômeno das transições da marcha – a mudança de um padrão de marcha para outro à medida que a velocidade ou as condições ambientais mudam. Aprender a minimizar o consumo de energia é suficiente para o surgimento de marchas de locomoção natural em diferentes velocidades em robôs quadrúpedes reais. Este achado sugere que a otimização da energia pode ser um princípio fundamental subjacente à seleção da marcha em sistemas biológicos e robóticos.

A pesquisa em sistemas biológicos tem fornecido importantes insights sobre esta relação. Hoyt e Taylor mostram que os cavalos mudam de andar para trotar e de trotar para galopar à medida que sua velocidade aumenta para minimizar seu custo de transporte. Padrões semelhantes têm sido observados em humanos e outros animais, sugerindo um princípio universal de otimização energética na locomoção.

Estudo realizado por Hoyt e Taylor sugeriu que, ao mudar a velocidade de locomoção, os cavalos trocam de marcha para reduzir o gasto energético, sendo que essa explicação baseada em energia para transições de marcha tem sido amplamente aceita, embora pesquisas recentes sugiram que outros fatores também podem desempenhar papéis importantes.

Além da Energia: Viabilidade e Transições de Gaiolas

Embora a eficiência energética seja claramente importante, pode não ser o único fator que conduz as transições da marcha. Embora a eficiência energética pareça ser uma das razões para mudar as marchas, outros fatores determinantes provavelmente também desempenham um papel, incluindo propriedades do terreno, e a viabilidade – a prevenção de quedas – representa um critério importante para as transições da marcha.

Consistente com dados quadrúpedes de animais, a transição de marcha de quadrúpedes para robôs em terreno plano melhora a viabilidade e a eficiência energética, sugerindo que transições de marcha podem servir a múltiplos objetivos simultaneamente, com eficiência energética e segurança contribuindo para a seleção de marchas adequadas.

Diferentes quantidades têm sido propostas como importantes nas transições da marcha: gasto energético, pico de forças e periodicidade. Compreender a importância relativa desses fatores em diferentes contextos permanece uma área ativa de pesquisa com implicações importantes para estratégias de controle de robôs.

Fatores que afetam o consumo de energia em robôs com pernas

O consumo de energia em robôs legged depende de uma complexa interação de múltiplos fatores, que vão desde características de design mecânico até algoritmos de controle e condições ambientais. Compreender esses fatores é essencial tanto para estimar o uso de energia quanto otimizar o desempenho do robô.

Tipo e Velocidade de Mancha

A escolha da marcha tem um profundo impacto no consumo de energia, com diferentes marchas apresentando diferentes perfis de eficiência em diferentes velocidades.Para atingir uma velocidade de movimento elevada com um robô com pernas, uma marcha dinamicamente estável, como correr para um robô bípede e uma marcha de trote ou andar com fio para um robô quadrúpede, é uma solução promissora, no entanto, a eficiência energética da marcha dinamicamente estável é geralmente menor do que a eficiência da marcha estável, como uma marcha de rastejamento.

Este trade-off entre velocidade e eficiência é fundamental para a locomoção legada. Em velocidades baixas, marchas estaticamente estáveis como a caminhada tendem a ser mais eficientes, enquanto em velocidades mais altas, marchas dinâmicas tornam-se mais favoráveis apesar de suas exigências de potência instantânea mais elevadas. A marcha ideal para uma determinada velocidade representa o ponto em que o custo do transporte – energia consumida por unidade de distância – é minimizado.

Peso do robô e carga útil

A massa do robô e qualquer carga útil que ele carrega afeta diretamente o consumo de energia. Robôs pesados requerem mais força para acelerar e desacelerar seus membros durante cada ciclo de marcha, e eles devem suportar maiores cargas gravitacionais. Esta relação é particularmente importante para robôs autônomos que devem carregar suas próprias fontes de energia, criando um desafio de otimização de projeto onde a adição de capacidade de bateria aumenta o peso, o que por sua vez aumenta o consumo de energia.

A distribuição da massa dentro do robô também é importante de forma significativa. A concentração da massa próxima ao corpo, em vez de nas extremidades das pernas, reduz o momento de inércia dos membros, diminuindo a energia necessária para baloiço-los durante a locomoção. Este princípio levou a estratégias de desenho que enfatizam desenhos leves, de perna de baixa inércia com poderosos atuadores localizados proximalmente perto do corpo.

Características do Terreno

O terreno sobre o qual um robô viaja influencia significativamente o consumo de energia. Terrenos ásperos e irregulares requerem ajustes mais frequentes para manter a estabilidade e podem exigir elevadores de pernas mais altos para limpar obstáculos, ambos os quais aumentam o gasto de energia. Superfícies compatíveis ou deformáveis como areia ou lama absorvem energia durante o contato com os pés, reduzindo ainda mais a eficiência.

Os eslopos apresentam desafios particulares para o gerenciamento de energia. As rodas reduzem o consumo de energia quando se movem em terreno plano e a junta trocanter reduz o consumo de energia quando se move em declives, estendendo o tempo de operação e a gama do robô. As encostas ascendentes requerem energia adicional para elevar o centro de massa do robô contra a gravidade, enquanto as encostas descendentes apresentam oportunidades de recuperação de energia através de frenagem regenerativa ou dissipação de energia controlada.

Algoritmos de controle e planejamento de marcha

Os algoritmos que controlam os movimentos de um robô têm efeitos substanciais no consumo de energia. A seleção eficiente da marcha pode reduzir significativamente o uso de energia e estender o tempo operacional. Um modelo de consumo de energia é desenvolvido para marchas de onda estaticamente estáveis, a fim de minimizar a energia dissipando para as distribuições de forças ótimas dos pés.

Estratégias avançadas de controle podem otimizar vários aspectos da locomoção para minimizar o uso de energia, como otimizar a colocação do pé, ajustar o comprimento e a frequência do passo, modular a altura e a orientação do corpo e coordenar os movimentos dos membros para explorar a dinâmica natural. A coordenação interlímpide foi alcançada com o uso de sensoriamento de carga local apenas sem qualquer padrão pré-programado, explorando a comunicação física através do corpo.

Design Mecânico e Conformidade

O design mecânico do robô, incluindo a presença e características de elementos compatíveis como molas, afeta significativamente o consumo de energia. Usando este projeto em uma posição razoável pode efetivamente reduzir o consumo de energia do sistema e pode alcançar uma redução de até 50% no consumo de energia através da incorporação de juntas elásticas não lineares.

Muitos quadrúpedes são capazes de marchas eficientes em potência, especialmente trote e galope, graças ao seu tronco flexível, como as oscilações do sistema que inclui a coluna vertebral, os tendões e a musculatura, armazenar e liberar energia elástica. Este princípio de armazenamento e retorno de energia elástica inspirou inúmeros projetos robóticos que incorporam molas e elementos compatíveis para melhorar a eficiência.

Em velocidades lentas quase nenhuma energia elástica é armazenada nas molas do atuador, enquanto em velocidades elevadas quase todas as flutuações de energia mecânica dentro do robô são conduzidas através das molas, e a mudança de caminhada balística para a massa-primavera reduz o consumo de energia metabólica em até 88%. Esta melhoria dramática demonstra o potencial de mecanismos compatíveis bio-inspirados.

Eficiência e design do atuador

A eficiência dos atuadores que alimentam as juntas do robô é um determinante crítico do consumo de energia global. Motores elétricos, atuadores hidráulicos e sistemas pneumáticos têm características de eficiência diferentes que variam com a carga, velocidade e condições de operação. Selecionar atuadores adequados e explorá-los dentro de suas faixas eficientes é essencial para minimizar o desperdício de energia.

Os parâmetros de projeto do motor, como raio de abertura e relação de engrenagem, podem ser otimizados para melhorar a eficiência para aplicações específicas. Minimizar a resistência elétrica reduz as perdas de aquecimento de Joule, enquanto a engrenagem adequada permite que os motores funcionem em suas velocidades e torques mais eficientes. O robô Cheetah MIT, por exemplo, incorporou vários princípios de projeto especificamente destinados a maximizar a eficiência do atuador para a corrida de alta velocidade.

Medição e Quantificação do Consumo de Energia

A medição precisa do consumo de energia é essencial para entender o desempenho dos robôs, validar modelos e otimizar projetos. Vários métodos e métricas foram desenvolvidos para quantificar o uso de energia em robôs com pernas, cada um com vantagens e aplicações particulares.

Medição direta de potência

O consumo de energia é normalmente medido através da monitorização do consumo de energia durante a operação. Os sensores rastreiam a corrente eléctrica e a tensão, fornecendo dados para analisar a energia utilizada durante diferentes marchas. Para robôs movidos electricamente, isto envolve a medição da corrente extraída da bateria e da tensão através dela, permitindo o cálculo do consumo instantâneo de energia.

Os modernos sistemas de aquisição de dados podem coletar essas medidas em altas frequências, proporcionando perfis detalhados de consumo de energia ao longo dos ciclos de marcha, permitindo aos pesquisadores identificar quais as fases de locomoção que consomem mais energia e avaliar a eficácia de diferentes estratégias de controle ou desenhos mecânicos.

Custos de transporte (CoT)

O Custo de Transporte (CoT) é uma métrica amplamente utilizada para comparar eficiência energética entre diferentes robôs, marchas e velocidades. O CoT é estimado com base no consumo de oxigênio em sistemas biológicos – quanto menor o CoT, maior a eficiência energética. Para os robôs, o CoT é normalmente calculado como a energia consumida por unidade de peso por unidade de distância percorrida.

Esta métrica dimensional permite comparações significativas entre robôs de tamanhos e desenhos muito diferentes. Um TCO inferior indica locomoção mais eficiente, e a plotagem de TCO contra velocidade para diferentes marchas revela a marcha energeticamente ideal para cada faixa de velocidade.A velocidade na qual a curva de TCO para uma marcha de caminhada se cruza com a curva de TCO para uma marcha de trote representa a velocidade de transição energeticamente ótima.

Resistência específica

A resistência específica foi proposta para avaliar a eficiência energética do robô quadrúpede com marcha trot, e a relação entre os parâmetros específicos de resistência e marcha foi apresentada. Resistência específica, semelhante à CoT, normaliza o consumo energético por peso e distância, proporcionando uma medida padronizada de eficiência que facilita comparações entre diferentes sistemas.

Ferramentas e Técnicas de Medição

Várias ferramentas e técnicas são comumente utilizadas para medir o consumo de energia em robôs com pernas:

• Sensores de potência: Sensores dedicados que medem o fluxo de energia elétrica com alta precisão, muitas vezes incorporando medições de corrente e tensão
• Taxas de descarga da bateria: O controlo do estado de carga das baterias ao longo do tempo proporciona uma medida integrada do consumo total de energia
• Monitorização da corrente do motor: Medir a corrente desenhada por motores individuais permite identificar quais as articulações que consomem mais energia
• Software de modelagem de energia: Ferramentas de simulação que predizem o consumo de energia com base em modelos dinâmicos, úteis para otimização de projeto antes da prototipagem física
• Imagem térmica: As câmaras de infravermelhos podem identificar dissipação de calor, revelando perdas de energia através de atrito e resistência elétrica
• Sistemas de captura de movimento: As câmeras de alta velocidade e os sistemas de rastreamento baseados em marcadores fornecem dados cinemáticos que podem ser combinados com modelos dinâmicos para estimar o trabalho mecânico

Modelos de Consumo de Energia e Técnicas de Estimação

Desenvolver modelos precisos de consumo de energia é crucial para prever o desempenho do robô, otimizar projetos e planejar missões. Esses modelos variam de relações empíricas simples a simulações complexas baseadas em física que respondem por todos os aspectos da dinâmica e energia do robô.

Modelos Dinâmicos Baseados em Física

Os modelos baseados em física utilizam as equações de movimento para calcular as forças e torques necessários em cada articulação ao longo de um ciclo de marcha. Ao integrar esses requisitos de potência mecânica ao longo do tempo e contabilizar as ineficiências do atuador, esses modelos podem prever o consumo total de energia. Com base na análise dinâmica, foi estabelecida uma relação funcional entre o torque de saída e a rigidez da mola de torção e entre o consumo de energia e a rigidez da mola de torção, e ao encontrar o extremo, deduzem-se as duas rigidezs da mola torcional ótimas que podem minimizar o torque médio de saída requerido e a energia consumida durante um ciclo de movimento.

Estes modelos normalmente incorporam:

• Dinâmica corporal rígida de todos os elos e o corpo principal
• Cinemática e restrições comuns
• Forças de contacto e atrito no solo
• Características da velocidade do binário do atuador
• Perdas elétricas e mecânicas no sistema de transmissão

Embora computacionalmente intensivo, modelos baseados em física fornecem informações detalhadas sobre as fontes de consumo de energia e podem orientar esforços de otimização de projetos.

Modelos analíticos simplificados

Modelos simplificados sacrificam alguma precisão para a eficiência computacional e a tratabilidade analítica.O modelo Spring-Loaded Inverted Pendulum (SLIP), por exemplo, tem sido amplamente utilizado para entender a dinâmica de corrida. Marc Raibert mostrou que SLIP pode descrever as características de corrida, trote ou salto em uma perna para bípedes e quadrúpedes, e aspectos como estabilidade, dinâmica e eficiência energética podem ser levados em conta neste modelo.

Esses modelos simplificados captam características essenciais da locomoção, mantendo-se analiticamente tratáveis, tornando-as valiosas para a obtenção de intuição e desenvolvimento de estratégias de controle. Entretanto, o modelo SLIP caracteriza a formulação dinâmica de forma simples, pois representa a perna do robô como uma massa pontual e uma mola sem massa que se estende até o solo, negligenciando a inércia da perna.

Abordagens de aprendizagem de dados e máquinas

Os recentes avanços no aprendizado de máquina permitiram abordagens orientadas por dados para modelagem de consumo de energia. Ao coletar dados experimentais extensos sobre o desempenho de robôs em várias condições, algoritmos de aprendizado de máquina podem identificar padrões e construir modelos preditivos sem exigir compreensão física detalhada de todos os mecanismos subjacentes.

Essas abordagens são particularmente valiosas quando lidam com sistemas complexos e não lineares, onde os modelos analíticos são difíceis de derivar. As redes neurais, por exemplo, podem aprender a prever o consumo de energia com base em entradas como velocidade desejada, características do terreno e parâmetros de marcha. Uma vez treinados, esses modelos podem ser usados para otimização e controle em tempo real.

Métodos de modelação híbrida

As abordagens híbridas combinam modelos baseados em física com dados empíricos ou aprendizado de máquina para aproveitar os pontos fortes de ambas as metodologias. Por exemplo, um modelo baseado em física pode prever o trabalho mecânico necessário para locomoção, enquanto relacionamentos empíricos ou modelos aprendidos são responsáveis por ineficiências atuadoras e outras perdas que são difíceis de modelar a partir de princípios iniciais.

Estratégias de otimização para reduzir o consumo de energia

Compreender o consumo de energia só é valioso se levar a estratégias para reduzi-lo. Pesquisadores desenvolveram inúmeras abordagens para otimizar a locomoção de robôs com pernas para eficiência energética, operando em diferentes níveis, desde o design mecânico até o planejamento de alto nível.

Otimização e seleção da marcha

A escolha da marcha adequada para as condições atuais é uma das formas mais eficazes de reduzir o consumo de energia. A obtenção de locomoção eficiente e estável para robôs quadrúpedes depende da transição da marcha e da determinação de uma marcha adequada para diferentes terrenos, sendo necessário e valioso selecionar uma marcha adequada para se adaptar a vários terrenos, e o consumo de energia durante a locomoção precisa ser percebido.

As simulações computacionais mostram que a marcha da onda com baixo fator de dever é mais eficiente em termos energéticos em comparação com a de um fator de dever elevado na maior velocidade angular possível, o que ilustra como parâmetros de marcha podem ser ajustados para otimizar a eficiência para condições operacionais específicas.

Sistemas avançados podem implementar a seleção adaptativa da marcha que monitora continuamente as condições e alterna as marchas para manter a eficiência ideal, o que requer estratégias de transição robustas que minimizem picos de energia durante as mudanças de marcha, mantendo a estabilidade.

Otimização da Trajetória

Otimizar as trajetórias dos pés e do corpo do robô pode reduzir significativamente o consumo de energia. A pesquisa sobre a otimização de economia de energia do robô pé pode ser classificada em categorias, incluindo otimizar a curva de trajetória final em diferentes condições. Trajetórias suaves que minimizam a aceleração e desaceleração reduzem as forças exigidas pelos atuadores, enquanto trajetórias que exploram a dinâmica natural podem reduzir o esforço de controle ativo.

A otimização de trajetórias envolve normalmente a formulação de uma função objetiva que equilibre o consumo de energia com outras metas, como velocidade e estabilidade, e então usando técnicas de otimização numérica para encontrar as melhores trajetórias. Isso pode ser feito offline para terrenos conhecidos ou online usando o controle preditivo do modelo para se adaptar às condições de mudança.

Explorando Dinâmica Natural

Apesar de diferenças substanciais na estrutura, sistemas legged de todos os tipos dependem apenas de um pequeno conjunto de diferentes marchas, e uma explicação potencial poderia ser que essas marchas são uma manifestação da dinâmica mecânica natural subjacente do sistema legged, como mesmo com modelos conservadores, todas as marchas bípedes e quadrúpedes comuns podem ser representadas como órbitas periódicas passivas, e as marchas se manifestam como oscilações elásticas não lineares diferentes.

Essa visão sugere que projetar robôs para explorar sua dinâmica natural – os movimentos que exibiriam com entrada de controle mínima – pode melhorar drasticamente a eficiência. Caminhantes dinâmicos passivos, que podem descer declives suaves sem qualquer atuação, demonstram esse princípio. Embora sistemas totalmente passivos sejam limitados, incorporar elementos de dinâmica passiva em robôs ativamente controlados pode reduzir os requisitos de energia.

Otimização de Design Mecânico

Otimizar o design mecânico do próprio robô oferece oportunidades para economia de energia substancial. As principais considerações de design incluem:

• Distribuição de massa: Minimizar a inércia da perna concentrando a massa perto do corpo
• Compliance: Incorporando molas e elementos elásticos para armazenar e devolver energia
• Selecção do atuador: Escolha de motores e transmissões otimizados para as condições de funcionamento esperadas
• Eficiência estrutural: Usando materiais leves e de alta resistência para minimizar o peso sem sacrificar a durabilidade
• Design de transmissão: Otimizar as relações de transmissão e minimizar o atrito na transmissão de energia

O MIT lançou o robô quadrúpede chamado "MIT cheetah", que pode correr a 22 km/h (6 m/s) com alta eficiência, demonstrando quão cuidadosa atenção ao design mecânico pode alcançar desempenho impressionante.

Otimização da Distribuição de Forças

Para robôs com múltiplas pernas em contato com o solo simultaneamente, a distribuição de forças entre as pernas não é determinada exclusivamente pelas equações de movimento – isto é conhecido como o problema de distribuição de força. Duas abordagens diferentes são desenvolvidas para determinar as forças ideais dos pés: na primeira abordagem, minimização da norma de forças dos pés é realizada usando um método menos quadrado, enquanto minimização da norma de torques articulares é realizada na segunda abordagem, e a segunda abordagem é encontrada para ser mais eficiente em energia.

A otimização da distribuição de força pode reduzir os picos de torques, minimizar as correntes atuadoras e melhorar a eficiência global. Essa otimização pode ser realizada em tempo real como parte do sistema de controle, ajustando continuamente a distribuição de força para minimizar o consumo de energia, mantendo a estabilidade e rastreando trajetórias desejadas.

Estudos de caso: Consumo de energia em robôs legged notáveis

Examinar plataformas robóticas específicas fornece exemplos concretos de como o consumo de energia varia com as escolhas de projeto e as condições operacionais. Vários robôs notáveis contribuíram significativamente para o nosso entendimento da eficiência energética na locomoção percorrida.

MIT Cheetah

A série Cheetah do MIT representa um marco na robótica quadrupedal eficiente em energia. Resultados experimentais de um teste da marcha de trote do MIT Cheetah mostram que a velocidade de execução atual é de 6m/s (13,5 mph). O robô incorporou vários princípios de projeto especificamente destinados a maximizar a eficiência, incluindo design de motor otimizado, construção de pernas leves e algoritmos de controle sofisticados.

O sucesso do MIT Cheetah demonstra a importância do design integrado, onde sistemas mecânicos, elétricos e de controle são otimizados em conjunto para a eficiência. A capacidade do robô de executar em altas velocidades com consumo de energia razoável inspirou inúmeros projetos e esforços de pesquisa subsequentes.

TITAN-XIII

O Instituto de Tecnologia de Tóquio desenvolveu um robô quadrúpede do tipo sprawling chamado TITAN-XIII em 2013 que é capaz de andar de alta velocidade e eficiente em energia, e um mecanismo de fio-driven foi usado para mover sua articulação. A série TITAN de robôs tem contribuído dados valiosos sobre consumo de energia em diferentes padrões de marcha e condições operacionais.

O consumo energético de dois padrões de marcha para uma marcha trot é investigado por meio de experimentos utilizando um veículo de caminhada quadruplicado denominado TITAN-VIII, e os resultados obtidos mostram que a trajetória de compensação de oscilação 3D tem vantagens em vista da eficiência energética.Este trabalho demonstra como o planejamento de trajetória pode impactar significativamente o consumo de energia mesmo dentro de um único tipo de marcha.

Robôs Hexapod

Os robôs de seis patas oferecem comparações interessantes para quadrúpedes em termos de consumo de energia. Seis máquinas de caminhada de pernas são robustas do ponto de vista de sua estabilidade de caminhada em terreno difícil, mas seus atuadores (18 se cada perna tem ativo 3 DOF) adicionam ao seu peso o que aumenta o consumo de energia. Isto ilustra o trade-off entre estabilidade e eficiência que os designers devem navegar.

Até 40% de energia poderia ser economizada ao usar a locomoção de rodas em projetos de hexápodes de pernas de roda híbridas, demonstrando como combinar diferentes modos de locomoção pode melhorar a eficiência geral.

Tópicos Avançados em Análise do Consumo de Energia

Recuperação de Energia e Sistemas Regenerativos

Uma abordagem promissora para melhorar a eficiência energética envolve recuperar energia que de outra forma seria dissipada. Durante certas fases da locomoção, como a redução do corpo ou membros desacelerantes, a energia pode potencialmente ser capturada e armazenada em vez de desperdiçada como calor. Sistemas de travagem regenerativa, semelhantes aos usados em veículos elétricos, podem converter energia cinética de volta em energia elétrica para armazenamento em baterias ou capacitores.

A implementação de uma recuperação energética eficaz em robôs legged apresenta desafios devido à natureza intermitente e variável dos fluxos de energia.A eficiência da recuperação energética depende das características dos atuadores, do sistema de armazenamento de energia e dos algoritmos de controle que gerenciam o fluxo de energia.Apesar desses desafios, a recuperação energética representa uma oportunidade significativa para melhorar a eficiência global, particularmente em marchas dinâmicas com flutuações de energia substanciais.

O papel dos geradores de padrões centrais

Geradores de Padrão Central (CPGs) são circuitos neurais que podem produzir padrões rítmicos de atividade sem necessidade de entrada rítmica. Em sistemas biológicos, os CPGs desempenham um papel crucial na geração de padrões de locomoção. A coordenação interlimb durante as transições da marcha pode ser auto-organizada através de um modelo CPG simples, e coordenação interlimb foi alcançada com o uso de detecção de carga local apenas sem qualquer padrão pré-programado, explorando a comunicação física através do corpo.

As abordagens de controle baseadas em CPG podem potencialmente reduzir o consumo de energia gerando movimentos suaves e coordenados que exploram a dinâmica natural do robô. Ao incorporar feedback sensorial em modelos de CPG, os robôs podem adaptar seus padrões de marcha às condições de mudança, mantendo uma coordenação eficiente em termos de energia.

Otimização Multiobjetivo

Na prática, a eficiência energética raramente é o único objetivo no projeto e controle de robôs. Outras considerações importantes incluem velocidade, estabilidade, capacidade de carga útil, adaptabilidade do terreno e robustez a distúrbios. Os frameworks de otimização multiobjetivos permitem que os designers explorem trocas entre esses objetivos concorrentes e identifiquem soluções Pareto-ótimas que representem os melhores compromissos possíveis.

Por exemplo, um robô pode ser projetado para minimizar o consumo de energia sujeito a restrições em margens de velocidade e estabilidade mínimas. Alternativamente, uma combinação ponderada de objetivos pode ser otimizada, com pesos ajustados com base em requisitos de missão. Entender como o consumo de energia negocia com outras métricas de desempenho é essencial para tomar decisões de projeto informadas.

Gestão de Energias Terreno-Aware

Robôs avançados podem usar a percepção do terreno para antecipar os requisitos de energia e planejar de acordo. Ao detectar as próximas características do terreno, como declives, obstáculos ou conformidade de superfície, robôs podem selecionar marchas, ajustar trajetórias e gerenciar reservas de energia para otimizar o desempenho geral da missão.

Esta abordagem consciente do terreno pode envolver desacelerar antes de terrenos difíceis para conservar energia, ou acelerar através de seções favoráveis para aumentar a velocidade de forma eficiente. Técnicas de aprendizado de máquinas podem ajudar robôs a aprender estratégias ótimas para diferentes tipos de terreno com base na experiência, melhorando continuamente o gerenciamento de energia ao longo do tempo.

Instruções futuras e pesquisas emergentes

O campo de estimativa e otimização do consumo de energia em robôs com pernas continua a evoluir rapidamente, com várias direções promissoras para futuras pesquisas e desenvolvimento.

Abordagens baseadas na aprendizagem

A aprendizagem de máquinas e o aprendizado de reforço estão sendo cada vez mais aplicados para descobrir estratégias de locomoção eficientes em termos energéticos. Uma abordagem de análise por síntese aprende a se mover minimizando a energia mecânica.Essas abordagens baseadas em aprendizado podem descobrir novas marchas e estratégias de controle que podem não ser óbvias a partir de abordagens analíticas.

A aprendizagem profunda de reforço, em particular, tem mostrado promessa em permitir que robôs aprendam comportamentos complexos de locomoção diretamente da experiência. Ao incorporar o consumo de energia na função recompensa, esses sistemas podem aprender a se mover eficientemente sem exigir programação explícita de padrões de marcha ou leis de controle. À medida que os recursos computacionais e algoritmos continuam a melhorar, abordagens baseadas em aprendizagem são susceptíveis de desempenhar um papel cada vez mais importante no desenvolvimento de robôs com pernas eficientes em termos energéticos.

Desenho Bio-Inspirado

Os sistemas biológicos continuam a inspirar novas abordagens para a locomoção eficiente em energia. Os seres humanos e algumas criaturas usam sua própria estrutura fisiológica para completar a transferência e transformação de energia quando estão em movimento, que é uma função altamente acoplada trazida pela evolução. Compreender e replicar esses princípios biológicos continua sendo uma rica fonte de inovação.

Pesquisas futuras podem focar em mecanismos bio-inspirados mais sofisticados, como atuadores de rigidez variável que imitam propriedades musculares ou estratégias de controle inspiradas em circuitos neurais em animais. A integração de múltiplos princípios bio-inspirados – estruturas conformes, controle baseado em CPG e seleção adaptativa de marchas – pode levar a robôs que se aproximam da eficiência de seus homólogos biológicos.

Materiais e Atuação Avançada

Novas tecnologias de acionamento e materiais oferecem potencial para melhorias significativas na eficiência energética. Músculos artificiais baseados em polímeros eletroativos, ligas de memória de forma ou outros materiais novos podem fornecer uma atuação mais eficiente do que os motores elétricos tradicionais. Materiais compostos avançados podem reduzir o peso, mantendo a resistência, diminuindo a energia necessária para locomoção.

Atuadores de rigidez variável e embreagens que podem bloquear mecanicamente as juntas quando necessário podem reduzir a energia necessária para manter posturas ou resistir às forças externas. À medida que essas tecnologias amadurecem e se tornam mais práticas, elas são susceptíveis de permitir novas gerações de robôs com pernas altamente eficientes.

Integração com as energias renováveis

Para missões autônomas de longa duração, integrar fontes de energia renováveis como painéis solares pode estender o tempo operacional indefinidamente. Isto requer uma gestão cuidadosa da energia para equilibrar o consumo com a geração, potencialmente ajustando os níveis de atividade com base na energia disponível. Robôs podem descansar ou executar tarefas de baixa energia durante períodos de baixa geração de energia, em seguida, se envolver em atividades mais intensivas em energia quando a energia é abundante.

Sistemas Multi-Robot Colaborativos

Equipes de robôs com pernas trabalhando juntos podem conseguir uma melhor eficiência energética global do que robôs individuais. Por exemplo, robôs podem se revezar carregando cargas pesadas, permitindo que alguns descansem e recarreguem enquanto outros trabalham. Estratégias colaborativas para negociação de terreno podem permitir que robôs se ajudem mutuamente em obstáculos difíceis, reduzindo a energia que cada indivíduo deve gastar.

Aplicações Práticas e Considerações do Mundo Real

Compreender o consumo de energia em robôs com pernas tem implicações práticas importantes para a implantação desses sistemas em aplicações do mundo real.

Operações de Busca e Resgate

Em cenários de busca e resgate, robôs com pernas devem navegar por terrenos desafiadores enquanto gerenciam recursos energéticos limitados. Modelos precisos de consumo de energia permitem que os planejadores da missão estimem a faixa operacional e a duração, garantindo que os robôs possam completar suas tarefas e retornar com segurança. Caminhadas e estratégias de controle eficientes em termos energéticos estendem a área que pode ser pesquisada com uma única carga de bateria, potencialmente salvando vidas.

Exploração Planetária

Os rovers planetários enfrentam restrições energéticas extremas, dependendo de painéis solares ou geradores termoelétricos radioisótopos com potência limitada. Robôs legados para exploração planetária devem ser extraordinariamente eficientes em termos energéticos para alcançar objetivos científicos dentro dos orçamentos de energia. Entender e otimizar o consumo de energia é, portanto, fundamental para o sucesso dessas missões.

Inspecção industrial

Robôs com pernas estão sendo cada vez mais implantados para tarefas de inspeção industrial em ambientes como refinarias de petróleo, usinas de energia e canteiros de obras. Essas aplicações muitas vezes exigem robôs para operar por longos períodos, tornando a eficiência energética uma métrica de desempenho chave. Otimizar o consumo de energia permite que robôs completem mais inspeções por carga, melhorando a produtividade e reduzindo os custos operacionais.

Aplicações Militares e de Segurança

Aplicações militares de robôs com pernas, como o reconhecimento ou apoio logístico, dão um prêmio na faixa operacional e na resistência. Locomoção energeticamente eficiente traduz-se diretamente em missões mais longas e maior flexibilidade tática. Compreender o consumo de energia também informa as decisões sobre a capacidade de carga útil, como transportar baterias adicionais troca contra outros equipamentos críticos da missão.

Desafios e Limitações

Apesar dos avanços significativos, vários desafios permanecem na estimativa e otimização exata do consumo de energia em robôs com pernas.

Precisão e complexidade do modelo

O desenvolvimento de modelos de consumo de energia precisos requer o equilíbrio da complexidade com a tratabilidade computacional. Modelos altamente detalhados que respondem por cada fonte de perda de energia podem ser muito caros computacionalmente para uso em tempo real, enquanto modelos simplificados podem não capturar efeitos importantes.A simplificação do modelo pode trazer erros entre a análise teórica e o experimento de simulação.

Encontrar o nível certo de fidelidade do modelo para diferentes aplicações continua sendo um desafio contínuo. Os modelos devem ser detalhados o suficiente para fornecer previsões úteis, mantendo-se simples o suficiente para ser prático para otimização de projeto e controle em tempo real.

Incerteza e variabilidade

As condições operacionais do mundo real são inerentemente incertas e variáveis. Propriedades do terreno, pesos de carga útil e condições ambientais podem variar de forma que afetam o consumo de energia. Estratégias de gestão de energia robustas devem ser responsáveis por essa incerteza, talvez mantendo reservas de energia ou adaptando-se conservadoramente quando as condições são incertas.

Limitações de Hardware

As tecnologias atuais de atuador e bateria impõem limitações fundamentais à eficiência energética alcançável. Embora a otimização possa melhorar o desempenho dentro dessas restrições, melhorias inovadoras podem exigir novas tecnologias.O desenvolvimento de motores mais eficientes, melhores sistemas de armazenamento de energia e novos mecanismos de atuação continuam sendo uma área importante de pesquisa.

Complexidade de Controle

A implementação de estratégias sofisticadas de otimização de energia requer sistemas de controle complexos que devem operar em tempo real em computadores embarcados com recursos computacionais limitados.Equilibrar o custo computacional de algoritmos de otimização com as economias de energia que eles fornecem é uma consideração prática importante.

Conclusão

Estimar o consumo de energia em robôs com pernas durante diferentes marchas é um desafio multifacetado que se situa na intersecção do design mecânico, teoria do controle, biomecânica e otimização. Compreender como diferentes marchas consomem energia, quais fatores influenciam o consumo, e como medir e modelar esses efeitos é essencial para o desenvolvimento de robôs com pernas capazes e eficientes que podem operar de forma autônoma em ambientes desafiadores.

Pesquisas revelaram que uma forma de entender as diferenças nos padrões de locomoção é vê-las a partir da lente de minimizar o consumo de energia, pois a locomoção consome uma fração significativa do orçamento energético metabólico de um animal, que parece aplicar-se igualmente aos sistemas robóticos, onde a otimização energética impulsiona o surgimento de padrões naturais de marcha e transições.

O campo fez progressos notáveis, com robôs modernos com pernas alcançando desempenho impressionante em termos de velocidade, agilidade e eficiência. Robôs como o MIT Cheetah demonstram que a atenção cuidadosa ao design mecânico, seleção de atuadores e algoritmos de controle podem produzir sistemas que abordam a eficiência biológica em alguns regimes operacionais. No entanto, lacunas significativas permanecem entre os melhores robôs e seus homólogos biológicos, sugerindo espaço substancial para melhoria contínua.

Os avanços futuros provavelmente virão de várias direções: novas tecnologias de materiais e atuação, algoritmos de controle mais sofisticados, alavancando o aprendizado de máquinas, melhor compreensão dos princípios biológicos e melhor integração de todos esses elementos em sistemas coesos. À medida que essas tecnologias amadurecem, robôs com pernas se tornarão cada vez mais práticos para aplicações do mundo real, desde a busca e resgate até a exploração planetária até a inspeção industrial.

A importância da eficiência energética se estende além de simplesmente fazer robôs durar mais tempo em uma única carga. Consumo de energia fundamentalmente limita o que robôs legged pode realizar, onde eles podem ir, e quão útil eles podem ser em aplicações práticas. Ao continuar a avançar em nossa compreensão do consumo de energia e desenvolver projetos e estratégias de controle mais eficientes, os pesquisadores estão expandindo o reino do que é possível com a robótica legged.

Para engenheiros e pesquisadores que trabalham neste campo, vários princípios-chave emergem do estado atual do conhecimento. Primeiro, a seleção de marchas tem um profundo impacto na eficiência energética, e estratégias adaptativas de marcha que respondem à velocidade e terreno podem melhorar significativamente o desempenho. Segundo, design mecânico importa enormemente – incorporar a conformidade, minimizar a inércia da perna e selecionar atuadores apropriados são fundamentais para a eficiência. Terceiro, algoritmos de controle sofisticados que otimizam trajetórias, exploram dinâmicas naturais e gerenciam o fluxo de energia podem extrair desempenho adicional de uma determinada plataforma de hardware.

Como a robótica legged continua a amadurecer como um campo, as ferramentas e técnicas para estimar e otimizar o consumo de energia tornar-se-ão cada vez mais refinados e acessíveis. métricas padronizadas como Custo de Transporte facilitam comparações significativas entre diferentes sistemas, enquanto ferramentas de modelagem e simulação melhoradas facilitam a previsão de desempenho antes de construir protótipos físicos. A integração dessas ferramentas analíticas com validação experimental cria um ciclo virtuoso de compreensão e melhoria.

Em última análise, o objetivo é criar robôs legged que possam operar de forma autônoma por longos períodos em ambientes desafiadores, realizando trabalhos úteis enquanto gerenciam seus recursos energéticos de forma inteligente. Alcançar essa visão requer progresso contínuo na compreensão, estimativa e otimização do consumo de energia em todos os aspectos da locomoção legged. A pesquisa revisada neste artigo representa passos importantes para esse objetivo, mas muito trabalho emocionante ainda está por ser feito.

Para aqueles interessados em aprender mais sobre robótica legged e eficiência energética, vários recursos excelentes estão disponíveis online. Frontiers in Robotics and AI journal publica pesquisa de ponta sobre locomoção eficiente em energia.A IEE Robotics and Automation Society oferece acesso a conferências e publicações que abrangem os últimos desenvolvimentos no campo.Além disso, A pesquisa de robótica da natureza oferece artigos revisados por pares de alta qualidade sobre princípios de design e locomoção bio-inspirados.O arXiv preprint server[ fornece acesso precoce a trabalhos de pesquisa sobre abordagens de aprendizagem de máquinas para otimização de locomoção. Finalmente, MDPI Robótica] publica pesquisa de acesso aberto sobre vários aspectos do design e controle de robôs legged.

À medida que o campo continua a evoluir, a integração de insights da biologia, avanços em materiais e atuação, melhorias em métodos computacionais e a aplicação do aprendizado de máquinas impulsionarão a próxima geração de robôs com eficiência energética, que serão capazes de operar em ambientes e realizar tarefas que atualmente são impraticáveis ou impossíveis, abrindo novas fronteiras para a exploração robótica, assistência e autonomia.