Un nuevo enfoque para controlar la rigidez y la posición de los robots inflables.

 

Un nuevo enfoque para controlar la rigidez y la posición de los robots inflables.
Robot humanoide inflable llamado King Louie. Crédito: Best, Rupert & Killpack.

Los robots que están hechos de materiales flexibles que se pueden inflar tienen una serie de propiedades deseables, incluido su peso ligero y altos niveles de cumplimiento (es decir, la capacidad de sufrir deformación elástica). Estas cualidades los hacen ideales para completar tareas en entornos no estructurados o en entornos donde están destinados a operar muy cerca de los humanos.

Para trabajar de manera más eficiente, la rigidez y la posición de los robots inflables deben controlarse de manera rápida y efectiva. Sin embargo, la mayoría de los modelos existentes para el control de la rigidez y la posición de los robots inflables blandos son algo limitados y generalmente logran resultados insatisfactorios.

Investigadores de la Universidad Brigham Young han llevado a cabo recientemente un estudio destinado a evaluar y comparar diferentes métodos para controlar simultáneamente la rigidez y la posición de los robots inflables. Su artículo, publicado en The Revista Internacional de Investigación en Robótica, introduce un modelo que representa la rigidez como una variable de estado. Este modelo podría usarse en última instancia para controlar la rigidez y la posición de los robots inflables de manera más eficiente.

«Los robots blandos pueden cambiar la forma en que los robots abordan las tareas de manipulación en el mundo real (fuera de las fábricas u otros entornos estructurados)», dijo a TechXplore Marc Killpack, uno de los investigadores que realizó el estudio. «Sin embargo, una de las principales fortalezas de los robots blandos con actuadores antagónicos (dos cámaras neumáticas que causan torque en direcciones opuestas en el caso de nuestro artículo) a menudo se descuida o no se usa explícitamente para controlar la rigidez de las juntas».

Los humanos y otros organismos biológicos pueden controlar la rigidez de sus articulaciones continuamente, adaptándose a diferentes situaciones e interacciones con objetos o personas en su entorno. En el pasado, algunos investigadores pudieron replicar esta habilidad en robots rígidos tradicionales utilizando estrategias de control activo.

Sin embargo, estas estrategias generalmente implican el control de robots a través de un código que se ejecuta a velocidades realmente altas. Como resultado, su rendimiento puede ser deficiente e incluso a veces pueden producir un comportamiento no deseado en los robots, particularmente si los sensores de fuerza fallan.

Un nuevo enfoque para controlar la rigidez y la posición de los robots inflables.
Robot humanoide inflable llamado King Louie. Crédito: Best, Rupert & Killpack.

Controlar la rigidez y la posición de los robots blandos podría ser mucho más fácil que controlar la de los robots rígidos, ya que no requiere un control de alta velocidad y sensores de fuerza para lograr resultados similares en rigidez variable. La rigidez de los robots blandos, de hecho, también podría controlarse potencialmente utilizando modelos y algoritmos computacionales. En su estudio, Killpack y sus colegas exploraron esta posibilidad, introduciendo un nuevo modelo para controlar la rigidez de los robots inflables.

«Curiosamente, hicimos una buena cantidad de trabajo buscando modelos neumáticos no lineales y más complejos y de presión a torque», dijo Killpack. «Sin embargo, en nuestros intentos iniciales de lograr un control basado en el modelo, encontramos que los modelos complejos no necesariamente resultaban en un mejor rendimiento y afectaban significativamente nuestra capacidad para llevar a cabo el control predictivo del modelo en tiempo real».

Después de darse cuenta de que la complejidad de un modelo no necesariamente afectaba qué tan bien podía controlar la rigidez de los robots blandos, Killpack y sus colegas decidieron desarrollar una versión simplificada de modelos dinámicos desarrollados en su trabajo anterior. Originalmente, los investigadores trataron de lograr un control basado en modelos utilizando modelos sofisticados, conocidos como solucionadores de optimización convexa QP. Sin embargo, en su estudio reciente, descubrieron que se puede lograr un mejor rendimiento de control utilizando optimizaciones basadas en GPU basadas en modelos no lineales mejorados y simplificados.

«Nuestro principal hallazgo fue que es posible controlar explícitamente la rigidez y la posición de las articulaciones simultáneamente para robots suaves, a gran escala y controlados neumáticamente», dijo Killpack. «La capacidad de un robot blando para controlar eficazmente tanto la rigidez como la posición fue definitivamente una función de la presión de fuente disponible y la presión de control máxima permitida».

Cuando Killpack y sus colegas evaluaron su enfoque de control predictivo modelo (MPC), encontraron que obtuvo resultados mucho más prometedores y fue significativamente más fácil de ajustar que los enfoques ideados previamente basados ​​en el control de los modos de las articulaciones de los robots blandos individuales. Sus hallazgos resaltan la necesidad de introducir herramientas y tutoriales sobre cómo aplicar técnicas MPC similares a las presentadas en su estudio.

En el futuro, estas técnicas podrían en última instancia guiar a los investigadores de robótica que no tienen los antecedentes necesarios para diseñar sus propios enfoques de MPC, ayudándoles a lograr un mejor control tanto de la rigidez como de la posición de los robots inflables. Killpack y sus colegas ahora están tratando de mejorar los métodos que introdujeron, para mejorar aún más su rendimiento.

«Más específicamente, estamos buscando combinar la fuerza del aprendizaje automático con redes neuronales profundas (útil para aprender el comportamiento no lineal e incluso estocástico de los robots blandos) con un control óptimo basado en modelos para mejorar el rendimiento de los robots blandos en comparación con nuestro trabajo pasado «, dijo Killpack. «Esto a su vez aumentará la viabilidad de los robots blandos para tareas de manipulación realistas en el mundo real. Además, ahora que hemos demostrado que al menos somos capaces de controlar su rigidez, nos gustaría desarrollar métodos que especifiquen cómo debería un robot blando cambiar su rigidez a lo largo de una tarea «.


Más información:
Charles M. Best y col. Comparando métodos de control basados ​​en modelos para rigidez simultánea y control de posición de robots blandos inflables.

Leave a Comment!