noviembre 26, 2024

Regionalpuebla.mx

Encuentra toda la información nacional e internacional sobre españa. Selecciona los temas sobre los que quieres saber más

El robot domina el terreno mediante transiciones al caminar similares a las de los animales.

El robot domina el terreno mediante transiciones al caminar similares a las de los animales.

resumen: Los investigadores aprovecharon el aprendizaje por refuerzo profundo (DRL) para permitir que el robot cambiara su forma de andar de forma adaptativa, imitando movimientos animales como el trote y el galope, para atravesar terrenos complejos de manera efectiva. Su estudio explora el concepto de supervivencia (o prevención de caídas) como el principal impulsor de dichas transiciones de la marcha, desafiando las creencias anteriores de que la eficiencia energética es el principal impulsor.

Este nuevo enfoque no sólo mejora la capacidad del robot para manejar terrenos difíciles, sino que también proporciona información más profunda sobre el movimiento de los animales. Los hallazgos del equipo sugieren que priorizar la prevención de caídas puede conducir a un movimiento robótico y biológico más flexible y eficiente a través de superficies irregulares.

Hechos clave:

  1. Adaptar la marcha para sobrevivir: El robot EPFL DRL se utilizó para aprender transiciones de caminata principalmente para lograr continuidad, adaptando efectivamente sus estrategias de movimiento para evitar caídas al navegar por terrenos con huecos.
  2. Reevaluación de la eficiencia energética: Contrariamente a teorías anteriores, el estudio encontró que las mejoras en la eficiencia energética son una consecuencia, más que un factor, de las transiciones a pie en entornos desafiantes.
  3. Agilidad robótica bioinspirada: La investigación demostró una arquitectura de aprendizaje bioinspirada que permitió transiciones de marcha espontáneas impulsadas por el aprendizaje, demostrando una agilidad robótica avanzada para navegar a través de espacios sucesivos en el terreno experimental.

fuente: EPFL

Con la ayuda de una forma de aprendizaje automático llamada aprendizaje por refuerzo profundo (DRL), el robot EPFL aprendió específicamente a hacer la transición de un trote a una caminata (un modo de andar con saltos apoyado en un arco utilizado por animales como gacelas y ciervos) para navegar en terrenos difíciles. con espacios de 14-30cm.

El estudio, realizado por el Laboratorio de BioRobótica de la Facultad de Ingeniería de la EPFL, proporciona nuevos conocimientos sobre por qué y cómo se producen tales transformaciones en la forma de andar en los animales.

READ  El cohete lunar Artemis 1 de la NASA ha superado una prueba crítica de reabastecimiento de combustible

«Investigaciones anteriores han presentado la eficiencia energética y la prevención de lesiones musculoesqueléticas como las principales explicaciones de los cambios de marcha. Más recientemente, los biólogos han dicho que la estabilidad en terrenos planos podría ser más importante».

El robot cambió automáticamente su forma de andar de trote a galopar para cruzar terrenos difíciles que contenían huecos. Crédito: BioRob EPFL

«Pero los experimentos con animales y robots han demostrado que estas hipótesis no siempre son correctas, especialmente en terrenos irregulares», dice el estudiante de doctorado Milad Shafii, primer autor de un artículo publicado en Comunicaciones de la naturaleza.

Chaveille, los coautores Guillaume Bellegarda y el director del laboratorio de BioRobotics, Auke Eijsbert, estaban interesados ​​en una nueva hipótesis sobre por qué se producen las transiciones de la marcha: la capacidad de permanecer en el lugar o evitar las caídas. Para probar esta hipótesis, utilizaron DRL para entrenar a un robot de cuatro patas para que cruzara diferentes terrenos.

En terreno plano, descubrieron que diferentes modos de andar mostraban diferentes niveles de fuerza ante empujones aleatorios, y que el robot pasaba de caminar a trotar para mantener la capacidad de supervivencia, tal como lo hacen los animales de cuatro patas cuando aceleran.

Cuando el robot encontró sucesivos huecos en la superficie experimental, automáticamente pasó de trotar a correr para evitar caer. Además, la capacidad de supervivencia fue el único factor que mejoró con tales transiciones de la marcha.

«Demostramos que en terrenos llanos y en terrenos discretos difíciles, la capacidad de supervivencia induce cambios en la marcha, pero la eficiencia energética no necesariamente mejora», explica Shafii.

«Parece que la eficiencia energética, que antes se pensaba que era el motor de tales transformaciones, puede ser más un resultado. Cuando un animal navega por terrenos difíciles, es probable que su primera prioridad no caiga, seguida de la eficiencia energética».

Arquitectura educativa bioinspirada

READ  ADN antiguo descubierto hace 1 millón de años en la Antártida: ScienceAlert

Para modelar el control del movimiento en su robot, los investigadores tuvieron en cuenta los tres elementos interactivos que impulsan el movimiento del animal: el cerebro, la médula espinal y la retroalimentación sensorial del cuerpo.

Utilizaron DRL para entrenar una red neuronal para imitar la transmisión de señales cerebrales desde la médula espinal al cuerpo mientras el robot cruzaba el terreno experimental. A continuación, el equipo asignó diferentes pesos a tres posibles objetivos de aprendizaje: eficiencia energética, reducción de fuerza y ​​capacidad de supervivencia.

Una serie de simulaciones por computadora revelaron que de estos tres objetivos, la supervivencia fue el único objetivo que impulsó al robot a cambiar su forma de andar automáticamente, sin instrucciones de los científicos.

El equipo enfatiza que estas observaciones representan el primer marco de locomoción basado en el aprendizaje, en el que las transiciones de la marcha surgen automáticamente durante el proceso de aprendizaje, así como el cruce más dinámico de espacios sucesivos tan grandes para un robot cuadrúpedo.

«Nuestra arquitectura de aprendizaje inspirada en la vida demostró lo último en movilidad de cuadricópteros en terrenos desafiantes», dice Shafi.

Los investigadores pretenden ampliar su trabajo con experimentos adicionales que coloquen diferentes tipos de robots en una amplia gama de entornos desafiantes.

Además de dilucidar aún más la locomoción animal, esperan que su trabajo eventualmente permita un uso más generalizado de la robótica en la investigación biológica, reduciendo la dependencia de modelos animales y las preocupaciones éticas asociadas con ellos.

Sobre noticias de investigación en robótica e inteligencia artificial.

autor: Celia Lauterbacher
fuente: EPFL
comunicación: Celia Lauterbacher – EPFL
imagen: Crédito de la imagen a BioRob EPFL

Búsqueda original: Acceso abierto.
«La capacidad de supervivencia conduce a transiciones de la marcha en el aprendizaje de una locomoción cuadrúpeda ágil en terrenos difíciles“Por Milad Shafie et al. Comunicaciones de la naturaleza


un resumen

READ  Por fin sabemos qué encendió las luces en los albores de la historia: ScienceAlert

La capacidad de supervivencia conduce a transiciones de la marcha en el aprendizaje de una locomoción cuadrúpeda ágil en terrenos difíciles

Los animales de cuatro patas pueden realizar una transición fluida entre sus diferentes modos de andar. Si bien la eficiencia energética parece ser una de las razones del cambio en la forma de andar, es probable que otros factores determinantes también influyan, incluidas las características del terreno.

En este artículo, proponemos que la supervivencia, es decir, evitar caídas, representa un criterio importante para las transiciones de la marcha.

Investigamos el surgimiento de transformaciones de la marcha a través de la interacción entre el motor supraespinal (cerebro), el generador de patrones central en la médula espinal, el cuerpo y la detección externa aprovechando el aprendizaje por refuerzo profundo y herramientas robóticas.

De acuerdo con los datos sobre animales cuadrúpedos, mostramos que la transmisión de la marcha al trote de robots cuadrúpedos en terrenos planos mejora tanto la vitalidad como la eficiencia energética.

Además, estudiamos los efectos del terreno discreto (es decir, cruzar espacios sucesivos) para hacer cumplir las transiciones de la marcha y encontramos la aparición de transiciones de trote para evitar situaciones inviables.

La supervivencia es el único factor que mejora después de las transiciones de caminata en terrenos planos y discretos, lo que sugiere que la supervivencia podría ser un objetivo primario y universal para las transiciones de caminata, mientras que otros criterios son objetivos secundarios y/o una consecuencia de la capacidad de permanecer.

Además, nuestros experimentos demuestran la agilidad del robot de cuatro patas de última generación en escenarios desafiantes.