Les chercheurs ont développé un système de co-conception de robots souples, ce qui signifie rechercher et optimiser conjointement la conception du robot : la forme du robot, l’endroit où placer les muscles dans le corps du robot, la douceur du robot dans différentes régions du corps ; et, en fonction de la conception du robot, la manière de le contrôler pour atteindre une tâche cible. Crédit : Alex Shipps/MIT CSAIL et les chercheurs
SoftZoo est une plateforme de co-conception de robots logiciels qui permet de tester des formes et des tailles optimales pour les performances robotiques dans différents environnements.
Depuis l’adoption du terme « robotique douce » en 2008, les ingénieurs dans le domaine ont construit diverses représentations de machines flexibles utiles à l’exploration, à la locomotion, à la rééducation et même à l’espace. Une source d’inspiration : la façon dont les animaux se déplacent dans la nature.
La plateforme révolutionnaire SoftZoo du MIT
Une équipe de MIT Les chercheurs sont allés plus loin en développant SoftZoo, une plateforme bio-inspirée qui permet aux ingénieurs d’étudier la co-conception de robots logiciels. Le framework optimise les algorithmes qui consistent en la conception, qui détermine à quoi ressemblera le robot ; et de contrôle, ou le système qui permet le mouvement robotique, améliorant la façon dont les utilisateurs génèrent automatiquement les contours des machines potentielles.
En se promenant du côté sauvage, la plate-forme présente des modèles 3D d’animaux tels que des pandas, des poissons, des requins et des chenilles, qui peuvent simuler des tâches robotiques douces telles que la locomotion, les virages agiles et le suivi de chemin dans différents environnements. Que ce soit sur la neige, le désert, l’argile ou l’eau, la plate-forme démontre les compromis de performances de différentes conceptions sur différents terrains.
Importance de la plateforme dans l’interaction robotique
« Notre cadre peut aider les utilisateurs à trouver la meilleure configuration pour la forme d’un robot, leur permettant ainsi de concevoir des algorithmes de robotique souple capables de faire de nombreuses choses différentes », explique Tsun-Hsuan Wang, doctorant au MIT, affilié au Laboratoire d’informatique et d’intelligence artificielle ( CSAIL) qui est l’un des chercheurs principaux du projet. « Essentiellement, cela nous aide à comprendre les meilleures stratégies permettant aux robots d’interagir avec leur environnement. »
SoftZoo est plus complet que les plateformes similaires, qui simulent déjà la conception et le contrôle, car il modélise les mouvements qui réagissent aux caractéristiques physiques de divers biomes. La polyvalence du cadre vient d’un moteur multiphysique différentiable, qui permet de simuler plusieurs aspects d’un système physique en même temps, comme un bébé phoque tournant sur la glace ou une chenille traversant un environnement de zone humide. La différentiabilité du moteur optimise la co-conception en réduisant le nombre de simulations souvent coûteuses nécessaires pour résoudre les problèmes de contrôle informatique et de conception. En conséquence, les utilisateurs peuvent concevoir et déplacer des robots logiciels avec des algorithmes spécifiés plus sophistiqués.
Le rôle de la biologie dans la conception des machines
La capacité du système à simuler des interactions avec différents terrains illustre l’importance de la morphologie, une branche de la biologie qui étudie les formes, les tailles et les formes de différents organismes. En fonction de l’environnement, certaines structures biologiques sont plus optimales que d’autres, un peu comme si l’on comparait des plans de machines accomplissant des tâches similaires.
Ces contours biologiques peuvent inspirer une vie artificielle plus spécialisée et spécifique au terrain. « La géométrie légèrement ondulée d’une méduse lui permet de se déplacer efficacement sur de grandes étendues d’eau, inspirant les chercheurs à développer de nouvelles races de robots mous et ouvrant des possibilités illimitées de ce dont les créatures artificielles cultivées entièrement in silico peuvent être capables », explique Wang.
« De plus, les libellules peuvent effectuer des manœuvres très agiles que d’autres créatures volantes ne peuvent pas accomplir car elles ont des structures spéciales sur leurs ailes qui changent de centre de masse lorsqu’elles volent. Notre plateforme optimise la locomotion de la même manière qu’une libellule est naturellement plus apte à se déplacer dans son environnement.
Auparavant, les robots avaient du mal à se déplacer dans des environnements encombrés parce que leur corps n’était pas conforme à leur environnement. Avec SoftZoo, cependant, les concepteurs pourraient développer simultanément le cerveau et le corps du robot, en co-optimisant les machines terrestres et aquatiques pour qu’elles soient plus conscientes et spécialisées. Dotés d’une intelligence comportementale et morphologique accrue, les robots seraient alors plus utiles pour accomplir des missions de sauvetage et mener des explorations. Si une personne disparaissait lors d’une inondation, par exemple, le robot pourrait potentiellement traverser les eaux plus efficacement car il était optimisé à l’aide des méthodes démontrées sur la plateforme SotftZoo.
L’utilité du SoftZoo et ses perspectives d’avenir
« SoftZoo fournit une simulation open source aux concepteurs de robots logiciels, les aidant à construire des robots du monde réel beaucoup plus facilement et de manière flexible tout en accélérant les capacités de locomotion des machines dans divers environnements », ajoute Chuang Gan, chercheur scientifique au MIT, co-auteur de l’étude. -IBM Watson AI Lab qui sera bientôt professeur assistant à l’Université du Massachusetts à Amherst.
« Cette approche informatique de la co-conception des corps mous des robots et de leurs cerveaux (c’est-à-dire leurs contrôleurs) ouvre la porte à la création rapide de machines personnalisées conçues pour une tâche spécifique », ajoute Daniela Rus, directrice du CSAIL et de l’Andrew and Erna Viterbi, professeur au Département de génie électrique et d’informatique du MIT (EECS), qui est un autre auteur de l’ouvrage.
Avant la construction d’un quelconque type de robot, le cadre pourrait remplacer les tests sur le terrain de scènes non naturelles. Par exemple, évaluer le comportement d’un robot ressemblant à un ours dans un désert peut s’avérer difficile pour une équipe de recherche travaillant dans les plaines urbaines de Boston. Au lieu de cela, les ingénieurs en robotique logicielle pourraient utiliser des modèles 3D dans SoftZoo pour simuler différentes conceptions et évaluer l’efficacité des algorithmes contrôlant leurs robots en matière de navigation. En retour, cela permettrait aux chercheurs d’économiser du temps et des ressources.
Pourtant, les limites des techniques de fabrication actuelles empêchent de donner vie à ces conceptions de robots souples. « Le transfert de la simulation au robot physique reste non résolu et nécessite une étude plus approfondie », explique Wang. « Les modèles musculaires, la rigidité spatialement variable et la sensorisation dans SoftZoo ne peuvent pas être directement réalisés avec les techniques de fabrication actuelles, nous travaillons donc sur ces défis. »
À l’avenir, les concepteurs de la plateforme envisagent des applications en mécanique humaine, comme la manipulation, étant donné sa capacité à tester le contrôle robotique. Pour démontrer ce potentiel, l’équipe de Wang a conçu un bras en 3D lançant une boule de neige vers l’avant. En incluant la simulation de tâches plus humaines, les concepteurs de robotique souple pourraient ensuite utiliser la plateforme pour évaluer des bras robotiques souples qui saisissent, déplacent et empilent des objets.
Wang, Gan et Rus ont rédigé un article sur les travaux aux côtés du doctorant de l’EECS et affilié au CSAIL, Pingchuan Ma, du postdoctorant de l’Université Harvard Andrew Spielberg PhD ’21, du doctorant de l’Université Carnegie Mellon Zhou Xian, du professeur agrégé de l’UMass Amherst Hao Zhang et du professeur de MIT du MIT. sciences du cerveau et cognitives et Joshua B. Tenenbaum, affilié au CSAIL.
Wang a réalisé ce travail lors d’un stage au MIT-IBM Watson AI Lab, avec le programme NSF EFRI, DARPA Le programme MCS, le MIT-IBM Watson AI Lab et les dons de MERL, Cisco et Amazon soutiennent tous le projet. Les recherches de l’équipe seront présentées ce mois-ci à la Conférence internationale 2023 sur les représentations de l’apprentissage.
