Tiere, die hauptsächlich an Land leben und sich bewegen, navigieren mit einer Reihe komplexer Beinbahnen über ihr natürliches Gelände.
Die Beinbahnen einzelner Tiere werden von einer Vielzahl von Faktoren beeinflusst, darunter die Haltung des Tieres, das Sehen von Bein und Hüfte sowie der Knöchel und die Form des Fußes und die Betätigungsfähigkeiten.
Für Roboteringenieure ist es oft sehr schwierig, diese Bewegungen nachzuahmen, da es so viele Möglichkeiten gibt. Die Aufgabe wurde dank eines Forscherteams der Harvard University und des Wyss Institute for Biological Inspired Engineering, die dies getan haben, etwas einfacher. entwickelte ein rechnerisch effizientes Framework zur Schätzung und Kontrolle der Beintrajektorien auf einem vierbeinigen Mikroroboter.
Wissenschaftler arbeiten daran, Tiere besser nachzuahmen
Sie haben ihre Ergebnisse vorveröffentlicht arXiv . Das Papier beschreibt, wie sie eine genaue Positionsschätzung und -steuerung erreichten, als sich der Roboter über einen weiten Bereich von Schrittfrequenzen 10-50 Hz bewegte.
"Tiere ändern auch ihre Beinbahnen, um Leistungsanforderungen wie Geschwindigkeit, Stabilität und Wirtschaftlichkeit zu erfüllen und sich an externe Faktoren wie Geländetyp und Oberflächeneigenschaften anzupassen", so die Forscher. schrieb in ihrem Papier.
"Inspiriert von ihren biologischen Gegenstücken haben große Körperlänge ~ 100 cm Bipedal- und Quadrupedal-Roboter normalerweise zwei oder mehr aktivierte Freiheitsgrade DOF pro Bein, um komplexe Beinbahnen zu ermöglichen."
In der Vergangenheit meistens kleinbeinige Roboter konnte nur durch sorgfältig abgestimmte mechanische Beinbahnen eine Vorwärtsbewegung erreichen. Die jüngsten Verbesserungen in der Fertigung haben jedoch Mehrschrittfrequenzen bei Robotern mit winzigen Beinen ermöglicht.
Für die kleinbeinigen Roboter werden verschiedene Steuerungsschemata verwendet, um eine einstellbare Fortbewegung in unterschiedlichem Gelände zu erreichen. Dazu gehören Optimierungsalgorithmen, Steuerungen mit stochastischen kinematischen Modellen und Lernalgorithmen für die Tiefenverstärkung.
HAMR-Roboter perfekte Basis für die Lokhypothese
Obwohl mit diesen Techniken viele erfolgreiche Roboter gebaut wurden, haben sie jeweils ihre eigenen Einschränkungen. Die neue Forschung zielte darauf ab, den Harvard Ambulatory MicroRobot zu verbessern. HAMR , das piezoelektrische Biegeaktoren mit hoher Bandbreite verwendet, um eine effektive Fortbewegung bei mehreren Schrittfrequenzen zu erreichen.
"In dieser Arbeit nutzen wir die gleichzeitige Erfassung für die piezoelektrische Betätigung, um einen rechnerisch effizienten Rahmen für die Schätzung und Steuerung von Beintrajektorien auf einem vierbeinigen Mikroroboter zu entwickeln", so die Forscher. schrieb in ihrem Papier.
"Wir zeigen eine genaue Positionsschätzung <16% Root-Mean-Square-Fehler und Kontrolle <16% Root-Mean-Square-Tracking-Fehler während der Fortbewegung über einen weiten Bereich von Schrittfrequenzen 10-50 Hz."
Die HAMR Der Roboter ist 4,5 cm lang und hat vier Beine. Er wiegt 1,4 g. Jedes seiner Beine verfügt über zwei DOFs, die von piezoelektrischen Biegebetrieben angetrieben werden, die mit Wechselspannungssignalen gesteuert werden. Der neue Ansatz schätzt die Beinpositionen und die Geschwindigkeit des Roboters.generiert dann eine Vielzahl von Beintrajektorien für eine verbesserte Fortbewegung basierend auf diesen Schätzungen.
"In Zukunft möchten wir diesen Low-Level-Controller in Verbindung mit der Trajektorienoptimierung verwenden, um realisierbare Beintrajektorien zu entwerfen, die bestimmte Kosten z. B. Geschwindigkeit, COT usw. unter bestimmten Betriebsbedingungen optimieren." die Forscher schrieben .
"Dies kann die herausfordernde Aufgabe automatisieren, geeignete Beinbahnen für ein komplexes Beinsystem zu entwerfen und zu einer besseren Fortbewegungsleistung zu führen."