Laboratório de computação e IA do MIT desenvolve projeto de robô com reconhecimento de contato

Um novo método para representar manipuladores robóticos ajuda a otimizar formas complexas e orgânicas para futuras máquinas.

Por: Redação CIMM*      29/07/2021 

A biomimética adequada em robótica exige um equilíbrio delicado entre design e controle, parte integrante de tornar nossas máquinas mais parecidas conosco. A destreza avançada em humanos está envolvida em uma longa história evolutiva de como nossos punhos de fúria evoluíram para realizar tarefas complexas. Com máquinas, projetar um novo manipulador robótico pode significar longos ciclos de iteração manual de projeto, fabricação e avaliação guiados pela intuição humana. 

A maioria das mãos robóticas são projetadas para propósitos gerais, pois é muito tedioso fazer mãos para tarefas específicas. Os métodos existentes lutam contra as compensações entre a complexidade dos projetos essenciais para tarefas com muito contato e as restrições práticas de fabricação e manuseio de contato. 

Isso levou os pesquisadores do Laboratório de Ciência da Computação e Inteligência Artificial do MIT (CSAIL) a criar um novo método para otimizar computacionalmente a forma e o controle de um manipulador robótico para uma tarefa específica. Seu sistema usa software para manipular o projeto, simular o robô realizando uma tarefa e, em seguida, fornecer uma pontuação de otimização para avaliar o projeto e o controle. 

Essa otimização de manipulador orientada por tarefas tem potencial para uma ampla gama de aplicações em sistemas de robôs de manufatura e depósito, onde cada tarefa precisa ser executada repetidamente, mas diferentes manipuladores seriam adequados para tarefas individuais. 

Buscando testar a funcionalidade do sistema, a equipe primeiro criou um único design de dedo robótico para virar uma caixa no chão. A estrutura da ponta do dedo, que parecia algo com a mão esquerda do Capitão Gancho, foi automaticamente otimizada por um algoritmo para enganchar na superfície traseira da caixa e virá-la. Eles também desenvolveram um modelo para uma tarefa de montagem, em que um desenho de dois dedos colocava um pequeno cubo em uma montagem móvel maior. Como os dedos tinham dois comprimentos diferentes, eles podiam alcançar dois objetos de tamanhos diferentes, e as superfícies maiores e mais planas dos dedos ajudavam a empurrar o objeto de maneira estável. 


Continua depois da publicidade


Tradicionalmente, esse processo de otimização conjunta consiste no uso de formas simples e mais primitivas para aproximar cada componente do projeto de um robô. Ao criar um dedo robótico de três segmentos, por exemplo, ele provavelmente seria aproximado por três cilindros conectados, onde o algoritmo otimiza o comprimento e o raio para obter o design e a forma desejados. Embora isso simplificasse o problema de otimização, simplificar demais a forma seria um fator limitante para projetos mais complexos e, em última análise, tarefas complexas. 

Para criar manipuladores mais envolvidos, o método da equipe utiliza-se de uma técnica chamada “deformação baseada em gaiola”, que essencialmente permite ao usuário alterar ou deformar a geometria de uma forma em tempo real.

Usando o software, você colocaria algo que parece uma gaiola ao redor do dedo robótico, por exemplo. O algoritmo pode alterar automaticamente as dimensões da gaiola para criar formas naturais mais sofisticadas. As diferentes variações de designs ainda mantêm sua integridade, de modo que podem ser facilmente fabricados.

Um simulador foi desenvolvido pela equipe para simular o projeto do manipulador e o controle de uma tarefa, que então fornece uma pontuação de desempenho.

“Usando essas ferramentas de simulação, não precisamos avaliar o projeto fabricando e testando-o no mundo real”, diz Jie Xu, aluno de PhD do MIT e autor principal de um novo artigo sobre a pesquisa. “Em contraste com os algoritmos de aprendizagem por reforço que são populares para manipulação, mas são ineficientes em dados, a representação baseada em gaiola proposta e o simulador permitem o uso de métodos poderosos baseados em gradiente. Não apenas encontramos melhores soluções, mas também as encontramos mais rapidamente. Como resultado, podemos pontuar rapidamente o design, encurtando significativamente o ciclo de design”.

No futuro, a equipe planeja estender o software para otimizar os manipuladores simultaneamente para várias tarefas.

Xu escreveu o artigo ao lado do aluno de doutorado do MIT Tao Chen, do aluno de pós-graduação do MIT Lara Zlokapa, do cientista pesquisador do MIT Michael Foshey, do professor Wojciech Matusik do MIT, do professor assistente da Texas A&M University Shinjiro Sueda e do professor Pulkit Agrawal do MIT. Eles apresentaram o artigo virtualmente na conferência de Sistemas e Ciência Robótica de 2021 na semana passada. O trabalho é apoiado pelo Toyota Research Institute, bem como pelo programa DARPA Symbiotic Design for Cyber ​​Physical Systems (SDCPS).

Confira o vídeo (em inglês) sobre o projeto:

 

*O artigo original é assinado por Rachel Gordon, pelo Laboratório de Ciência da Computação e Inteligência Artificial do MIT (CSAIL) do MIT.

Gostou? Então compartilhe: