تمتلك الروبوتات المصنوعة من مواد مرنة قابلة للنفخ، بعض المميزات  بما في ذلك وزنها الخفيف ومستويات عالية من الامتثال (أي القدرة على الخضوع لتشوه مرن). هذه الصفات تجعلها مثالية لإكمال المهام في بيئات غير منظمة أو في أماكن تلزمها بالتعامل اللصيق مع البشر.

من أجل العمل بكفاءة أكبر، يجب التحكم في صلابة وموضع الروبوتات القابلة للنفخ بسرعة وفعالية. ومع ذلك، فإن معظم النماذج الحالية للتحكم في صلابة وموضع الروبوتات الناعمة القابلة للنفخ محدودة وعادةً ما تحقق نتائج غير مرضية.

أجرى الباحثون في جامعة بريجهام يونغ مؤخرًا دراسة تهدف إلى تقييم ومقارنة الطرق المختلفة للتحكم في صلابة وموضع الروبوتات القابلة للنفخ في وقت واحد. قدمت ورقتهم المنشورة في المجلة الدولية لأبحاث الروبوتات نموذجًا يمثل الصلابة كمتغير. يمكن استخدام هذا النموذج، للتحكم في صلابة وموضع الروبوتات القابلة للنفخ بشكل أكثر كفاءة.

قال مارك كيلباك، أحد الباحثين الذين أجروا الدراسة، لموقع TechXplore: “قد تغير الروبوتات اللينة الطريقة التي تتعامل بها الروبوتات مع مهام التلاعب في العالم الحقيقي (خارج المصانع أو البيئات المهيكلة الأخرى)”. “ومع ذلك، غالبًا ما يتم إهمال إحدى نقاط القوة الرئيسية للروبوتات اللينة ذات المشغلات المضادة – غرفتان تعملان بالهواء المضغوط تسببان عزم الدوران في اتجاهين متعاكسين في الحالة المذكورة في ورقتنا البحثية – أو لا يتم استخدامها بشكل صريح للتحكم في صلابة المفصل”.

يستطيع البشر والكائنات البيولوجية الأخرى التحكم في صلابة مفاصلهم بشكل مستمر، والتكيف مع المواقف والتفاعلات المختلفة مع الأشياء أو الأشخاص في بيئتهم. في الماضي، كان بعض الباحثين قادرين على تزويد الروبوتات الصلبة التقليدية بهذه القدرة باستخدام استراتيجيات التحكم النشطة.

ومع ذلك، تستلزم هذه الاستراتيجيات عادةً التحكم في الروبوتات عبر كود يعمل بسرعات عالية جدًا. نتيجة لذلك، يمكن أن يكون أداؤها ضعيفًا ويمكنها أحيانًا إنتاج سلوك غير مرغوب فيه في الروبوتات، خاصةً إذا فشلت مستشعرات القوة.

يمكن أن يكون التحكم في صلابة وموضع الروبوتات اللينة أسهل بكثير من التحكم في الروبوتات الصلبة، لأنها لا تتطلب تحكمًا عالي السرعة وأجهزة استشعار قوة لتحقيق نتائج مماثلة في صلابة متغيرة. في الواقع، يمكن أيضًا التحكم في صلابة الروبوتات اللينة باستخدام النماذج الحسابية والخوارزميات. استكشف كيلباك وزملاؤه في دراستهم هذا الاحتمال، وقدموا نموذجًا جديدًا للتحكم في صلابة الروبوتات القابلة للنفخ.

وقال كيلباك: “من المثير للاهتمام، أننا أنجزنا قدر لا بأس به من العمل بالنظر إلى نماذج تعمل بالهواء المضغوط وغير خطية وأكثر تعقيدًا”. ” وفي محاولاتنا الأولية لتحقيق التحكم المستند إلى النموذج، وجدنا أن النماذج المعقدة لم ينتج عنها أداء أفضل من النموذج وأثرت بشكل كبير على قدرتنا على تنفيذ التحكم التنبؤي في النموذج في الوقت الفعلي”.

بعد استنتاج أن تعقيد النموذج لا يؤثر بالضرورة على مدى قدرته على التحكم في صلابة الروبوتات اللينة، قرر كيلباك وزملاؤه تطوير نسخة مبسطة من النماذج الديناميكية التي طُورت سابقًا. حاول الباحثون تحقيق التحكم المستند إلى النموذج باستخدام نماذج متطورة، تُعرف بإسم أدوات حل التحسين المحدبة QP. ووجدوا في دراستهم الأخيرة أنه يمكن للمرء تحقيق أداء تحكم أفضل باستخدام التحسينات المستندة إلى وحدة معالجة الرسومات القائمة على النماذج غير الخطية المحسنة والمبسطة.

قال كيلباك: “كان اكتشافنا الرئيسي أنه من الممكن التحكم بشكل صريح في صلابة المفاصل وتزويد الروبوتات اللينة  بها في آنٍ واحد والتي يتم التحكم فيها بالهواء المضغوط”. “إن قدرة الروبوت اللين على التحكم الفعال في الصلابة والموضع كانت بالتأكيد دالة لضغط المصدر المتاح وأقصى ضغط تحكم مسموح به”.

عندما قام كيلباك وزملاؤه بتقييم نهجهم في التحكم التنبؤي النموذجي (MPC)، وجدوا أنه حقق نتائج واعدة أكثر وكان ضبطه أسهل بكثير من الأساليب التي اُبتكرت سابقًا استنادًا إلى التحكم في أنماط المفاصل الروبوتية اللينة. تسلط النتائج التي توصلوا إليها الضوء على الحاجة إلى تقديم مجموعة أدوات حول كيفية تطبيق تقنيات MPC المشابهة لتلك المقدمة في دراستهم.

في المستقبل، يمكن لهذه التقنيات في نهاية المطاف أن ترشد الباحثين في مجال الروبوتات الذين ليس لديهم الخلفية اللازمة لابتكار مناهج MPC الخاصة بهم، مما يساعدهم على تحقيق تحكم أفضل في صلابة ووضع الروبوتات القابلة للنفخ. يحاول كيلباك وزملاؤه الآن تحسين الأساليب المُقدمة لتعزيز أدائهم.

ويضيف: ” نتطلع إلى الجمع بين قوة التعلم الآلي والشبكات العصبية العميقة (مفيدة لتعلم السلوك غير الخطي وحتى العشوائي للروبوتات اللينة) مع التحكم الأمثل المستند إلى النموذج من أجل تحسين أداء الروبوتات اللينة”. “سيؤدي هذا بدوره إلى زيادة صلاحية الروبوتات اللينة لمهام التلاعب في العالم الواقعي. بالإضافة إلى ذلك، بعد أن أظهرنا الآن أننا قادرون على التحكم في صلابتها، نود تطوير أساليب تحدد كيف ينبغي للروبوت اللين تغيير صلابته خلال المهمة”.

المصدر:  https://techxplore.com

ترجمة: حنين النمري

تويتر: @7aneen92

تدقيق ومراجعة: زينب محمد