Flexible Sensoren und Deep Learning für weiche Roboter
Ingenieuren ist es erstmals gelungen, einen weichen Roboterarm herzustellen, der sensorische Reize erfasst und verarbeitet. Seine Signale werden mit Tools aus der künstlichen Intelligenz interpretiert und zur Navigation genutzt.
Oberflächensensor für weiche Roboter.
Foto: Ryan L. Truby, MIT CSAIL
Weiche Roboter imitieren das Bewegungsverhalten von Raupen, Tausendfüßlern oder Tintenfischen. Sie gelten als Paradigmenwechsel in der Robotik, weil es nicht um Kraft, Schnelligkeit und Präzision geht. Vielmehr zeichnen sie sich durch ihre Flexibilität, aber auch durch ihre Zartheit aus: Eigenschaften, die sie perspektivisch zu Helfern bei der Pflege von Menschen machen können.
Bislang ist es aber recht schwierig, weiche Roboter autonom zu steuern. Traditionelle Methoden arbeiten mit mehreren Motion-Capture-Kameras, die Robotern ein Feedback über ihre 3D-Bewegungen und ihre Position geben. Aber diese Systeme sind für kleine Soft-Roboter in der realen Welt nicht geeignet. Forscher am Massachusetts Institute of Technology (MIT) in Cambridge haben dieses bekannte Problem gelöst. Sie statteten die „Haut“ weicher Roboter mit dehnbaren Sensoren aus, welche deren Bewegung und Position erfassen. Signale eignen sich zur Steuerung; hier wurde ein Deep-Learning-Modell entwickelt.
Erste Experimente mit Halbleitern
Zum Hintergrund: Herkömmliche, starre Sensoren beeinträchtigen die Flexibilität eines weichen Roboterkörpers und können mechanische Fehler verursachen. Auf weichen Materialien basierende Sensoren sind zwar eine geeignetere Alternative. Sie erfordern jedoch spezielle Ausgangsstoffe und Methoden für ihre Konstruktion, was es vielen Robotik-Labors schwer macht, sie herzustellen und in Soft-Roboter zu integrieren.
Ryan Truby vom MIT Computer Science and Artificial Laboratory (CSAIL) suchte schon länger nach praxistauglichen Lösungen, aber ohne Erfolg. Ein Zufall kam ihm zu Hilfe: In seinem Labor entdeckte er Platten aus leitfähigen Materialien, die zur Abschirmung gegen elektromagnetische Felder verwendet werden und die man überall in Rollen kaufen kann. Sie zeigen einen piezoresistiven Effekt. Das heißt, ihr elektrischer Widerstand verändert sich durch mechanische Kräfte wie Druck oder Zug. Diese Widerstandsänderung tritt zwar bei jedem Material auf, ist jedoch bei Halbleitern besonders ausgeprägt.
Optimierung der Bauweise weicher Sensoren
Truby erkannte nach einigen Experimenten, dass sich solche Materialien zum Bau weicher Sensoren eignen. Er entwickelte Messfühler und befestigte sie an mehreren Stellen des Rumpfes eines weichen Roboters. Wenn sich der Sensor als Reaktion auf eine Dehnung und Stauchung des Rumpfes verformt, verändert sich sein elektrischer Widerstand. Und die Spannung eines elektrischen Signals korrelierte mit der Bewegung.
Aber der Sensor dehnte sich beim Experiment nicht stark genug, was seine Verwendung für die Soft-Robotik stark einschränken würde. Inspiriert von Origami, einer chinesischen Kunst des Schneidens und Faltens von Papier, integrierte der Ingenieur rechteckige Streifen aus leitfähigen Silikonplatten in seine Sensoren. Er brauchte nur wenige Stunden, um ein Dutzend dieser Messfühler herzustellen – maßgeschneidert für alle fluidischen Aktuatoren seines Roboters. Darunter versteht man Antriebssysteme mit flüssigen oder gasförmigen Medien zur Übertragung von Kräften.
Softe Roboter „lernen“, sich zu bewegen
Wie erhofft, erfassten Sensoren bei Tests alle Bewegungen des Roboterrumpfs. Um Signale für die Orientierung im dreidimensionalen Raum zu verwenden, bauten die Ingenieure ein neuronales Netz auf. Es isoliert aus dem Gesamtsignal Muster der Sensoren.
Danach ließen die Ingenieure den Roboterrumpf schwingen und sich in zufälligen Konfigurationen über anderthalb Stunden verformen. Sie verwendeten das etablierte Motion-Capture-System mit Bilddaten, um Bewegungen per Kamera zu erfassen und im Computer auszuwerten. Mit diesen Daten „lernte“ das Modell, aus Signalmustern seiner Sensoren reale Konfigurationen abzuleiten und auf neue Situationen zu übertragen. Weitere Tests folgten. Hier zeigte sich, dass die errechnete Form des Roboters bei vielen Konfigurationen mit Daten aus dem Motion-Capture-System übereinstimmte.
Der nächste Schritt: Empfindlichere Sensoren
Wie geht es weiter? Momentan sind das neuronale Netzwerk und die Oberflächensensoren nicht empfindlich genug, um sehr schwache oder sehr schnelle Bewegungen zu erfassen. Deshalb wollen die Ingenieure bessere Messfühler entwickeln. Auch ihre Deep-Learning-Modelle werden optimiert, um den Schulungsaufwand für Soft-Roboter zu verringern. Sie sehen viele Einsatzmöglichkeiten in der Praxis: bei der Navigation in komplexen Umgebungen, bei der Fertigung, aber auch bei der Krankenpflege oder zur Unterstützung von Ärzten im Operationssaal.
Mehr zur Robotik
Ein Beitrag von:
