Инженеры из Кембриджа продемонстрировали, как роботизированная рука может дистанционно управлять движением плавучего объекта. Используя последние достижения в области глубокого обучения с подкреплением — области искусственного интеллекта (ИИ), которая лучше всего подходит для управления сложным процессом принятия решений, — команда разработала способ моделирования взаимодействия жидкостей, предоставляя основанный на данных подход к решению сложных проблем с динамикой.
Дистанционное управление плавающими объектами на поверхности жидкости имеет множество применений в малых масштабах (например, при манипуляциях с клетками), в больших масштабах (например, при сборе плавающих обломков из небольших водоемов) и в медицинских целях (включая перенос тонких срезов ткани на предметные стекла микроскопа для диагностики). Однако лежащие в основе взаимодействия флюидов чрезвычайно трудно смоделировать. Их поведение определяется сложным взаимодействием различных внешних факторов и внутренних сил, которые невозможно надежно предсказать математически.
Используя точность и воспроизводимость роботизированных устройств в сочетании с глубоким обучением и реальными экспериментами в лабораторных условиях, исследовательская группа из Лаборатории биоинспирированной робототехники (BIRL) смогла решить эту проблему. Они разработали структуру управления, которая может перемещать плавающие объекты из одного места в другое. Роботизированная рука учится управлять траекторией плавающего объекта методом проб и ошибок. Результаты опубликованы в журнале Scientific Reports .
«Мы представляем подход, при котором повторяющиеся задачи выполняются роботом-манипулятором без необходимости обширной обратной связи. Мы используем роботизированный манипулятор для периодического дистанционного возбуждения воды (аналогично тому, как собака гребет, чтобы достать свой теннисный мяч из бассейна), чтобы генерировать поверхностные потоки для перемещения объектов из любого начального местоположения в указанное целевое местоположение — и протестированы при повороте на 0 °, 90 ° и 180 °. Мы обнаружили, что по мере увеличения угла и длины пути наблюдаемая траектория становится более непредсказуемой, тем не менее, в среднем объект может быть доставлен в желаемое место», рассказали ученые.
Дополнительная информация: Дэвид Хардман и др., Управление свободно плавающими объектами с использованием потоков Фарадея и глубокого обучения с подкреплением, Научные отчеты (2022). DOI: 10.1038/s41598-021-04204-9
Изображение: Лаборатория биоинспирированной робототехники (BIRL)
Будьте в курсе в удобном формате, присоединяйтесь: TG-канал и ВК
Опубликуйте материал о вашем проекте, стартапе или технологии
hello@technovery.com