Un team di studenti laureati della Cornell University e della University of Pennsylvania ha reso questa idea la loro priorità e ha prodotto sia il robot modulare, auto-riconfigurante stesso, sia la logica che lo guida.
Pensa a come ti muovi nel mondo: se hai bisogno di camminare da qualche parte, inizi la tua "passeggiata". Ma se hai bisogno di gattonare in uno spazio più piccolo, devi cambiare funzioni e forme. Allo stesso modo, se hai bisogno di prendere qualcosa da un tavolo, puoi semplicemente usare la tua funzione "afferrare", ma se hai bisogno di raggiungere o superare un ostacolo devi modificare la forma del tuo braccio e come si muove. Naturalmente hai una "biblioteca" quasi illimitata di queste funzioni che puoi cambiare a piacere.
Questo non è il caso dei robot, che sono molto più rigidamente progettati sia nell'hardware che nel software. Questa ricerca, tuttavia, mira a creare una libreria di azioni e configurazioni simile - se considerevolmente più piccola - che un robot può utilizzare al volo per raggiungere i propri obiettivi.
Nel loro articolo pubblicato oggi su Science Robotics, il team documenta le basi che ha intrapreso e, sebbene sia ancora estremamente limitato, suggerisce come questo tipo di versatilità sarà raggiunto in futuro.
Il robot stesso, chiamato SMORES-EP, potrebbe essere meglio descritto come una collezione di robot: piccoli cubi (è un fattore di forma popolare) dotati di ruote e magneti che possono connettersi tra loro e cooperare quando uno o tutti non lo faranno Fai il lavoro. Il cervello dell'operazione giace in un'unità centrale equipaggiata con una fotocamera e un sensore di profondità che utilizza per ispezionare l'ambiente circostante e decidere cosa fare.
Se sembra un po 'familiare, è perché lo stesso team ha dimostrato un aspetto diverso di questo sistema all'inizio di quest'anno, vale a dire la capacità di identificare gli spazi che non può navigare e distribuire gli elementi per rimediare a ciò. Il documento attuale è incentrato sul sistema sottostante che il robot usa per percepire ciò che lo circonda e interagire con esso.
Mettiamolo in termini più concreti. Supponiamo che un robot come questo abbia l'obiettivo di raccogliere le scarpe da casa e riporle nell'armadio. Mette bene in giro il tuo appartamento ma alla fine identifica una scarpa da tiro che si trova sotto il tuo letto. Sa che è troppo grande per stare lì sotto perché può percepire le dimensioni e comprende la propria forma e dimensione. Ma sa anche che ha delle funzioni per accedere alle aree chiuse e può dire che disponendo le sue parti in modo tale che dovrebbe essere in grado di raggiungere la scarpa e riportarla indietro.
La flessibilità di questo approccio e la capacità di prendere queste decisioni in modo autonomo sono quelle in cui la carta identifica i progressi. Questa non è una stretta funzione "scarpa sotto il letto", è uno strumento generale per accedere alle aree in cui il robot non può adattarsi, sia che questo significhi premere un pulsante incassato, sollevare una tazza che si trova su un lato, o raggiungere tra i condimenti per afferrarne uno nella parte posteriore.
Come per qualsiasi cosa in robotica, questo è più difficile di quanto suoni e non sembra nemmeno facile. Il "cervello" deve essere in grado di riconoscere gli oggetti, misurare accuratamente le distanze e comprendere fondamentalmente le relazioni fisiche tra gli oggetti. Nella situazione di afferrare la scarpa qui sopra, cosa sta impedendo a un robot di cercare di sollevare il letto e di lasciarlo in posizione fluttuando sopra il terreno mentre guida sotto? Le intelligenze artificiali non hanno alcuna comprensione intrinseca di alcun concetto di base e così tante devono essere codificate o algoritmi creati che fanno in modo affidabile la scelta giusta.
Non preoccuparti, i robot non sono ancora allo stadio "raccogli le scarpe" o "colleziona gli umani rimasti". I test a cui la squadra sottopose il loro piccolo robot erano più simili a "aggirare queste scatole di cartone e spostare qualsiasi oggetto con etichetta rosa nell'area designata." Anche questo tipo di compito accuratamente delineato è notevolmente difficile, ma il bot ha fatto va bene - anche se piuttosto lentamente, come i bot basati sui laboratori tendono ad essere.
Da allora, gli autori del lavoro hanno terminato il loro lavoro di laurea e sono passati a cose nuove (anche se sicuramente correlate). Tarik Tosun, uno degli autori con cui ho parlato per questo articolo, ha spiegato che ora sta lavorando per far progredire il lato teorico delle cose piuttosto che, diciamo, per costruire moduli cubici con una coppia migliore. A tal fine ha aiutato l'autore VSPARC, un ambiente di simulazione per robot modulari. Sebbene sia tangibile all'argomento immediatamente disponibile, l'importanza di questo aspetto della ricerca sulla robotica non può essere sovrastimata.
Rimani aggiornato seguici su Telegram