自学习机器人模块。学分:软机器人物质组，AMOLF来自AMOLF的软机器人物质组的研究人员已经表明，一组小型自主、自学习机器人可以轻松适应不断变化的环境。他们将这些简单的机器人连成一条线，之后每个机器人都学会了尽快前进。研究结果今天发表在《美国国家科学院院刊》上。机器人是一种巧妙的装置，可以做很多事情。这里有会跳舞和上下楼梯的机器人，还有成群的无人机，它们可以组成一个编队独立飞行，仅举几例。然而，所有这些机器人都在相当大的程度上被编程——不同的情况或模式已经预先植入它们的大脑，它们被集中控制，或者一个复杂的计算机网络通过机器学习教它们行为。AMOLF软机器人物质小组的首席研究员Bas Overvelde想回到最基本的问题:一个尽可能简单的自学习机器人。“最终，我们希望能够使用由简单构件构建的自学习系统，例如，这些构件仅由聚合物等材料组成。我们也将这些称为机器人材料。”
研究人员成功地获得了非常简单、相互连接的机器人手推车，它们在轨道上移动，以学习如何在某个方向上尽可能快地移动。这些机器人手推车在这样做的时候，既没有编程设定路线，也不知道其他机器人手推车在做什么。“这是设计自主学习机器人的一种新的思维方式。像大多数传统的程序化机器人一样，这种简单的自学习机器人不需要任何复杂的模型来适应强烈变化的环境。“在未来，这可能会在软机器人技术中有所应用，例如学习如何拾取不同物体的机器人手，或者在受到伤害后自动适应其行为的机器人。”
呼吸机器人
自主学习系统由几个几厘米大小的连接积木组成，即单个机器人。这些机器人由一个微控制器(一个小型计算机)、一个运动传感器、一个将空气泵入风箱的泵和一个让空气流出的针组成。可以说，这种组合使机器人能够呼吸。如果你通过第一个机器人的风箱连接第二个机器人，它们会相互推开。这使得整个机器人火车能够移动。“我们想让机器人尽可能简单，这就是为什么我们选择风箱和空气。许多软机器人使用这种方法，”博士生卢克·范·拉克说。
研究人员事先做的唯一一件事是用几行计算机代码(一个简短的算法)告诉每个机器人一组简单的规则:每隔几秒钟打开和关闭一次泵——这被称为循环——然后尽可能快地向某个方向移动。机器人上的芯片持续测量速度。每隔几个周期，机器人会对泵何时开启进行小的调整，并确定这些调整是否会使机器人列车向前移动得更快。在此之前，每辆机器人小车都会持续进行小实验。
如果你允许两个或两个以上的机器人以这种方式相互推拉，火车迟早会向一个方向移动。因此，机器人知道这是他们的泵的更好的设置，而不需要通信，也不需要对如何前进进行精确的编程。与文章一起发布的视频展示了火车如何缓慢但稳定地在圆形轨道上行驶。
应对新形势
研究人员使用了两种不同版本的算法来看哪种效果更好。第一种算法保存机器人的最佳速度测量值，并以此决定泵的最佳设置。第二种算法仅使用最后一次速度测量来决定泵在每个循环中开启的最佳时刻。后一种算法效果更好。它可以在没有预先编程的情况下处理这些情况，因为它不会浪费时间在过去可能有效但在新情况下不再有效的行为上。例如，它可以迅速克服轨迹上的障碍，而用另一种算法编程的机器人则陷入停滞。“如果你设法找到了正确的算法，那么这个简单的系统是非常健壮的，”Overvelde说。"它能应付一系列意想不到的情况。"
扯掉一条腿
不管这些机器人有多简单，研究人员都觉得它们已经复活了。在其中一个实验中，他们想损坏一个机器人，看看整个系统将如何恢复。“我们移除了充当喷嘴的针头。感觉有点奇怪。就像我们在扯它的腿一样。”在这种伤残的情况下，机器人也调整了它们的行为，使得火车再次朝正确的方向移动。这是该系统稳健性的又一证据。
该系统易于扩展；研究人员已经制造出一列由七个机器人组成的移动列车。下一步是制造能进行更复杂行为的机器人。“没有一个这样的例子是章鱼一样的结构，”Overvelde说。“观察单个积木的行为是否会像章鱼的手臂，这很有趣。它们也有一个分散的神经系统，一种独立的大脑，就像我们的机器人系统一样。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
