Un nuovo framework basato sull’intelligenza artificiale può ottimizzare e automatizzare la progettazione di robot tralicci complessi.
Scopri come l’intelligenza artificiale sta rivoluzionando la robotica con metatruss mutaforma ottimizzati per adattabilità, efficienza e design generativo
Robot intelligenti che si modellano sul tuo corpo: ecco come funziona.
Come i polpi che si infilano in minuscole grotte marine, i robot metatruss sono in grado di adattarsi ad ambienti impegnativi cambiando forma. Questi potenti robot mutaforma sono costituiti da travature composte da centinaia di aste e giunti che ruotano e si torcono, consentendo sorprendenti trasformazioni volumetriche.
Ma man mano che i compiti diventano più complessi, lo stesso accade per il design del robot. Aggiungere aste attuanti alla struttura del robot può aiutarlo a compiere più movimenti o svolgere più funzioni, ma aumenta anche in modo esponenziale la complessità del controllo. E sebbene i progettisti possano raggruppare manualmente gli attuatori in reti di controllo per semplificare il sistema, questo processo è sia noioso che laborioso.
Ora, un team di ricercatori guidato dall'University of California, Berkeley College of Engineering, ha sviluppato un framework basato sull’intelligenza artificiale per ottimizzare e automatizzare la progettazione di robot truss complessi. Come riportato sulla rivista Nature Communications (1), questo approccio consente ai progettisti di creare robot con capacità straordinarie massimizzando al contempo l’efficienza del controllo.
«Utilizzando un algoritmo genetico, il nostro metodo di ottimizzazione è in grado di determinare il numero minimo di unità di controllo necessarie per svolgere i compiti desiderati», ha dichiarato Lining Yao (2), ricercatrice principale dello studio e professoressa associata di ingegneria meccanica. «Così si può progettare automaticamente un robot in grado di soddisfare tutti i propri obiettivi — come trasformarsi in determinate forme, muoversi il più velocemente possibile e afferrare una palla».
Yao, direttrice del Morphing Matter Lab presso UC Berkeley, ha collaborato a questo lavoro con ricercatori della Carnegie Mellon University e del Georgia Institute of Technology.
Utilizzando il nuovo framework, i ricercatori hanno sviluppato diversi prototipi — tra cui un robot quadrupede, un casco mutaforma, un robot deambulante ispirato all’aragosta e un attuatore simile a un tentacolo — e ne hanno testato le prestazioni. I risultati hanno mostrato che i robot generati dall’IA potevano ottenere complesse trasformazioni di forma con un numero minimo di unità di controllo. I dati hanno anche identificato il numero ottimale di reti di controllo oltre il quale i miglioramenti prestazionali iniziano a diminuire.
«Ci siamo ispirati alla sinergia muscolare in biologia, dove la complessità viene gestita attraverso gruppi coordinati piuttosto che tramite controlli individuali. Facendo lo stesso, abbiamo trasformato lo spazio combinatorio dei gruppi di attuatori in un modo per ottenere trasformazioni volumetriche e di movimento scalabili con solo una manciata di unità di controllo», ha spiegato il dottor Jianzhe Gu (3), primo autore dello studio ed ex membro del Morphing Matter Lab.
«Pare ci sia un punto ottimale in cui si trova il numero minimo di canali pur mantenendo buone prestazioni», ha aggiunto Yao. «E questo è qualcosa che l’IA può determinare statisticamente per noi. Può esplorare l’intero spazio e selezionare il numero ragionevole di canali».
Yao e Gu hanno affermato di essere rimasti particolarmente sorpresi dalla capacità dell’algoritmo di gestire progetti e requisiti funzionali estremamente complessi.
«Quando si parla di robot, il compito più immediato che si tenta è la locomozione — far correre il robot il più velocemente possibile», ha detto Yao. «Siamo partiti da lì, ma alla fine siamo rimasti piacevolmente sorpresi nel vedere come l’algoritmo ci abbia aiutato a realizzare la nostra visione di un robot mutaforma».
Il framework si basa attualmente su una “sorta di collaborazione uomo-IA”, in cui il progettista fornisce un input iniziale sulle forme e i comportamenti del robot. Come prossimo passo, i ricercatori intendono integrare un framework di progettazione generativa abilitato da un grande modello linguistico e altre tecnologie.
«Immagina di voler progettare un casco che si adatti alla tua testa», ha detto Yao. «L’auspicio è che un framework generativo basato su IA possa osservarti, determinare le tue dimensioni e le situazioni in cui potresti usare il casco, quindi generare automaticamente diversi stati di forma e la relativa politica di controllo».
Secondo Yao, progettare con l’IA potrebbe portarci a ripensare il concetto stesso di robot e il suo ruolo nella vita quotidiana. Immagina che questo framework possa un giorno essere utilizzato per creare una nuova generazione di robot mutaforma, con funzionalità limitate solo dall’immaginazione del progettista.
Lei e il suo team stanno già pensando a nuove possibilità e innovazioni fantastiche, tra cui lenzuola ospedaliere composte da centinaia di unità truss che possono trasformarsi automaticamente, girare un paziente e persino massaggiarne il corpo comprimendolo.
«Progettando questi robot con l’IA, possiamo potenzialmente avere moltissimi gradi di libertà, con tantissime truss individuali, e molta più controllabilità in termini di forme tra cui i robot possono passare», ha detto Yao. «Quindi oggetti di uso quotidiano come indossabili, lenzuola, sedie — tutte queste cose — potrebbero presto acquisire la capacità di trasformarsi e funzionare come robot».
Questa ricerca è stata resa possibile grazie al supporto dell’Army Research Office nell’ambito del programma SSyMBioTIC MURI sugli attuatori bioibridi integrati, ed è stata realizzata nell’ambito dell’accordo di cooperazione numero W911NF-23-2-0138. Gli autori riconoscono inoltre il supporto del National Science Foundation Career Grant IIS2427455.
Riferimenti:
(2) Lining Yao
(3) Jianzhe Gu
Descrizione foto: Un nuovo framework basato sull’intelligenza artificiale può ottimizzare e automatizzare la progettazione di robot tralicci complessi. - Credit: Jianzhe Gu, Morphing Matter Lab.
Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: Mighty morphing robots