Израильский робот-трансформер получил большого напарника
Инженеры из Израиля, которые ранее разработали робота-трансформера STAR, создали для него робота-напарника с аналогичной конструкцией, но в несколько раз большим размером. Он оборудован площадкой, позволяющей малому роботу залезать на высокие предметы или слезать с них. Статья о роботах и методах их взаимодействия опубликована в журнале Applied Sciences.
Абсолютное большинство роботов и дронов сконструированы для самостоятельной работы, но в последние годы в разработках по робототехнике все чаще применяется иной подход, при котором изначально создается пара или даже рой роботов, действующих совместно. В зависимости от того, как реализована группа роботов, у нее могут быть различные преимущества: роботы разного вида могут распределять задачи между собой и эффективнее выполнять каждую из них, а если в группе используются одинаковые роботы, они могут компенсировать потерю одного или нескольких устройств за счет большого количества.
Давид Заррук (David Zarrouk) со своими коллегами из Университета имени Бен-Гуриона уже несколько лет создает различные версии колесного робота-трансформера STAR. Ранее инженеры придерживались подхода, при котором робот действует самостоятельно и для работы в разных средах использует собственные приспособления-модификации: винты для облета препятствий или надувные баллоны для плавания. В новой работе инженеры использовали подход с парой роботов, имеющих свои преимущества.
Инженеры использовали в новой работе связку из двух роботов: разработанного ранее RSTAR, умеющего взбираться вверх по проемам, и нового BSTAR, который конструктивно почти аналогичен RSTAR, но выполнен в масштабе 6:1. Главная особенность семейства роботов STAR заключается в их трансформируемой конструкции: они состоят из центральной части и двух одинаковых боковых, способных поворачиваться на произвольный угол, тем самым меняя высоту робота. На концах боковых частей есть по три колеса или винта, в зависимости от задачи.
Из-за больших размеров инженерам пришлись поменять некоторые части конструкции при создании BSTAR. В частности, в большом роботе используется металлический каркас вместо пластикового и цепи, соединяющие колеса на каждой стороне. Главное отличие большого робота от малого заключается в наличии подвижной площадки. Она располагается в задней части корпуса и может наклоняться вверх и вниз.
Площадка выступает в роли базы для малого робота. Авторы предложили использовать его для отдельных частей миссии, а основные перемещения выполнять большим роботом. Например, при приближении к высокому препятствию большой робот может приподнять площадку, чтобы малый заехал по ней и осмотрел территорию, а затем вернулся обратно. Или наоборот, как видно в демонстрационном ролике, большой робот может полностью разложиться в плоскую форму перед невысоким зазором между забором и землей, чтобы выпустить малого робота, который способен проехать в таком небольшом проеме (его минимальная высота составляет 3,5 сантиметра, тогда как у большого робота она достигает 21 сантиметра).
Авторы отмечают, что связка из двух роботов разного размера не только расширяет доступную для передвижения зону, но и ускоряет ее исследование за счет одновременной работы двух роботов (при условии, что малый робот выпущен). Кроме того, на подвижной площадке и верхней части корпуса могут уместиться сразу три робота RSTAR, что позволяет еще больше ускорить исследование местности.
Ранее мы рассказывали о другом виде связки из двух разных аппаратов. В 2019 году инженеры из Японии создали пару из наземного гусеничного робота с лебедкой и робота, который может закрепить конец лебедки на недоступной для робота высоте, чтобы тот подтянулся.
Григорий Копиев
Алгоритм уменьшает время простоя на 78 процентов
Инженеры из Японии создали алгоритм машинного обучения, который автоматически стимулирует таракана-киборга больше двигаться и не позволяет ему долго оставаться в одном месте. Движение таракана контролируется с помощью электроимпульсов, генерируемых рюкзачком с системой дистанционного управления. Алгоритм увеличил на 70 процентов среднюю дистанцию, пройденную киборгом, и снизил время простоя таракана на 78 процентов. Статья опубликована в Cyborg and Bionic Systems. Миниатюрные роботы могут пригодиться в самых разных сферах: от ремонта авиационных двигателей до поиска выживших под завалами. Однако из-за недостаточной развитости компактной компонентной базы, в особенности актуаторов и источников питания, это все еще сложная инженерная задача, и большинство проектов остаются на уровне лабораторных прототипов. Одно из альтернативных решений состоит в использовании живых организмов, например, тараканов или даже летающих насекомых, которые уже обладают способностью к эффективному передвижению. В их организм внедряют электроды, через которые подключаются электронные модули, контролирующие перемещения насекомого за счет электростимуляции. Однако насекомые-киборги не полностью контролируются электронными системами. Они сохраняют свои особенности поведения, которые могут ограничивать их перемещение. Например, мадагаскарские свистящие тараканы, которые часто используются в экспериментах, склонны к снижению активности в ярко освещенных областях и при недостаточно высокой температуре. Кроме того, они предпочитают бегать вдоль стен, а не по открытым пространствам. Это приводит к сложностям в использовании насекомых-киборгов и требует оптимизации стимулирующих сигналов управления. Группа инженеров под руководством Кейсуке Морисима (Keisuke Morishima) из Университета Осаки внедрила в систему управления тараканом-киборгом алгоритм машинного обучения, который позволяет автоматически стимулировать передвижение насекомого, чтобы оно не оставалось на одном месте. Так же, как и предыдущие исследователи, инженеры использовали особь мадагаскарского шипящего таракана из-за его больших размеров, достигающих семи сантиметров. Для передачи стимулирующих сигналов в усикообразные органы в задней части таракана (церки) были имплантированы платиновые электроды, соединенные медными проводами с приклеенным на спину насекомого шестиграммовым рюкзачком с электронными компонентами. Данные о движении насекомого получают с помощью встроенного в рюкзак инерционного измерительного модуля, который с помощью акселерометра и гироскопа определяет текущие линейное ускорение и угловую скорость таракана. Эта информация по беспроводному каналу связи передается на персональный компьютер на вход алгоритма машинного обучения. Из данных, разбитых на окна по 1,5 секунды, извлекаются признаки, которые затем поступают на вход классификатора, определяющего двигается насекомое или нет. В случае, если таракан остается неподвижным дольше заданного времени, на его церки подаются электрические импульсы. Наиболее эффективным алгоритмом классификации в представленной задаче оказался метод опорных векторов. Для экспериментов инженеры построили арену в форме окружности, над которой разместили камеру для отслеживания реального положения насекомого. Без дополнительной электростимуляции три таракана, использованные в тестах, стремились оставаться в периферийной области у стен арены и избегали открытого пространства большую часть времени. Использование алгоритма и электростимуляции позволило снизить время простоя в среднем на 78 процентов, а время поиска пройденную дистанцию увеличить на 68 и 70 процентов соответственно. При этом среднее время электростимуляции для всех тараканов составило всего 3,4 секунды. Таким образом алгоритм позволяет снизить количество сигналов электростимуляции и тем самым предотвратить утомление животного. Ранее мы рассказывали про американских инженеров, которые разработали носимую поворотную монохромную камеру для жуков и микророботов. Благодаря ее небольшой массе, которая составляет менее четверти грамма, насекомые с ней могут свободно двигаться и балансировать.
