“We willen deze robots kunnen gebruiken in scenario’s waar meer traditionele quadcopter-robots moeite mee zouden hebben om in te vliegen, maar waar insecten wel zouden kunnen navigeren. Nu, met ons bio-geïnspireerde besturingsframework, zijn de vliegprestaties van onze robot vergelijkbaar met die van insecten in termen van snelheid, versnelling en de pitchhoek. Dit is een behoorlijk opwindende stap in de richting van dat toekomstige doel”, zegt Kevin Chen, universitair hoofddocent bij de afdeling Elektrotechniek en Computerwetenschappen (EECS), hoofd van het Soft and Micro Robotics Laboratory binnen het Research Laboratory of Electronics. (RLE), en co-senior auteur van een artikel over de robot.
Chen wordt op het papier vergezeld door co-hoofdauteurs Yi-Hsuan Hsiao, een afgestudeerde student van EECS MIT; Andrea Tagliabue PhD ’24; en Owen Matteson, een afgestudeerde student bij de afdeling Luchtvaart en Ruimtevaart (AeroAstro); evenals EECS-afgestudeerde student Suhan Kim; Tong Zhao MEng ’23; en co-senior auteur Jonathan P. How, de Ford Professor of Engineering bij de afdeling Luchtvaart en Ruimtevaart en hoofdonderzoeker bij het Laboratorium voor Informatie- en Beslissingssystemen (LIDS). Het onderzoek verschijnt vandaag in Wetenschappelijke vooruitgang.
Een AI-controller
De groep van Chen bouwt al meer dan vijf jaar robotinsecten.
Ze hebben onlangs een duurzamere versie van hun kleine robot ontwikkeld, een apparaat ter grootte van een microcassette dat minder weegt dan een paperclip. De nieuwe versie maakt gebruik van grotere, klappende vleugels die wendbare bewegingen mogelijk maken. Ze worden aangedreven door een stel zachte kunstmatige spieren die extreem snel met de vleugels bewegen.
Maar de controller – het ‘brein’ van de robot dat zijn positie bepaalt en vertelt waar hij moet vliegen – werd met de hand afgesteld door een mens, waardoor de prestaties van de robot werden beperkt.
Om de robot snel en agressief te laten vliegen als een echt insect, had hij een robuustere controller nodig die rekening kon houden met onzekerheid en snel complexe optimalisaties kon uitvoeren.
Een dergelijke controller zou te rekenintensief zijn om in realtime te kunnen worden ingezet, vooral met de gecompliceerde aerodynamica van de lichtgewicht robot.
Om deze uitdaging het hoofd te bieden, heeft de groep van Chen de krachten gebundeld met het team van How en samen hebben ze een tweestaps, AI-gestuurd controleschema ontwikkeld dat de robuustheid biedt die nodig is voor complexe, snelle manoeuvres en de rekenefficiëntie die nodig is voor realtime implementatie.
“De hardware-vooruitgang zorgde ervoor dat we meer konden doen aan de softwarekant, maar tegelijkertijd konden we, naarmate de controller zich ontwikkelde, meer doen met de hardware. Terwijl Kevins team nieuwe mogelijkheden demonstreert, laten we zien dat we ze kunnen gebruiken”, zegt How.
Voor de eerste stap bouwde het team een zogenaamde modelvoorspellende controller. Dit type krachtige controller maakt gebruik van een dynamisch, wiskundig model om het gedrag van de robot te voorspellen en de optimale reeks acties te plannen om veilig een traject te volgen.
Hoewel het rekenintensief is, kan het uitdagende manoeuvres plannen, zoals salto’s in de lucht, snelle bochten en agressief lichaamskantelen. Deze krachtige planner is ook ontworpen om rekening te houden met de beperkingen van de kracht en het koppel die de robot kan uitoefenen, wat essentieel is om botsingen te voorkomen.
Om bijvoorbeeld meerdere salto’s achter elkaar uit te voeren, zou de robot zodanig moeten vertragen dat de beginomstandigheden precies goed zijn om de salto opnieuw uit te voeren.
“Als er kleine fouten binnensluipen, en je probeert die salto tien keer te herhalen met die kleine fouten, zal de robot gewoon crashen. We hebben een robuuste vluchtcontrole nodig”, zegt How.
Ze gebruiken deze deskundige planner om een ‘beleid’ te trainen op basis van een deep-learning model, om de robot in realtime te besturen, via een proces dat imitatieleren wordt genoemd. Een beleid is de besluitvormingsmotor van de robot, die de robot vertelt waar en hoe hij moet vliegen.
In wezen comprimeert het imitatie-leerproces de krachtige controller tot een computationeel efficiënt AI-model dat zeer snel kan werken.
De sleutel was een slimme manier om net genoeg trainingsgegevens te creëren, waardoor het beleid alles zou leren wat het moet weten voor agressieve manoeuvres.
“De robuuste trainingsmethode is de geheime saus van deze techniek”, legt How uit.
Het AI-gestuurde beleid neemt robotposities in als in- en uitvoer van besturingsopdrachten in realtime, zoals stuwkracht en koppels.
Insectachtige prestaties
In hun experimenten zorgde deze tweestapsaanpak ervoor dat de robot op insectenschaal 447 procent sneller kon vliegen, terwijl de acceleratie met 255 procent toenam. De robot kon in 11 seconden tien salto’s maken, en de kleine robot week nooit meer dan 4 tot 5 centimeter af van zijn geplande traject.
“Dit werk laat zien dat zachte robots en microrobots, die traditioneel beperkt zijn in snelheid, nu gebruik kunnen maken van geavanceerde besturingsalgoritmen om een wendbaarheid te bereiken die die van natuurlijke insecten en grotere robots benadert, waardoor nieuwe mogelijkheden ontstaan voor multimodale voortbeweging”, zegt Hsiao.
De onderzoekers konden ook saccadebewegingen demonstreren, die optreedt wanneer insecten zeer agressief schieten, snel naar een bepaalde positie vliegen en dan de andere kant op draaien om te stoppen. Deze snelle versnelling en vertraging helpt insecten zichzelf te lokaliseren en duidelijk te zien.
“Dit bio-nabootsende vlieggedrag zou ons in de toekomst kunnen helpen als we camera’s en sensoren aan boord van de robot gaan plaatsen”, zegt Chen.
Het toevoegen van sensoren en camera’s zodat de microrobots naar buiten kunnen vliegen, zonder aangesloten te zijn op een complex motion capture-systeem, zal een belangrijk gebied van toekomstig werk zijn.
De onderzoekers willen ook onderzoeken hoe sensoren aan boord de robots kunnen helpen botsingen te voorkomen of de navigatie te coördineren.
“Voor de micro-roboticagemeenschap hoop ik dat dit artikel een paradigmaverschuiving signaleert door te laten zien dat we een nieuwe besturingsarchitectuur kunnen ontwikkelen die tegelijkertijd goed presteert en efficiënt is”, zegt Chen.
“Dit werk is vooral indrukwekkend omdat deze robots nog steeds nauwkeurige salto’s en snelle bochten maken, ondanks de grote onzekerheden die voortkomen uit relatief grote fabricagetoleranties bij kleinschalige productie, windstoten van meer dan 1 meter per seconde en zelfs de krachtkabel die zich om de robot wikkelt terwijl deze herhaaldelijk salto’s uitvoert”, zegt Sarah Bergbreiter, hoogleraar werktuigbouwkunde aan de Carnegie Mellon University, die niet bij dit werk betrokken was.
“Hoewel de controller momenteel op een externe computer draait in plaats van aan boord van de robot, tonen de auteurs aan dat een vergelijkbaar, maar minder nauwkeurig controlebeleid haalbaar kan zijn, zelfs met de beperktere berekeningen die beschikbaar zijn op een robot op insectenschaal. Dit is spannend omdat het wijst in de richting van toekomstige robots op insectenschaal met een wendbaarheid die die van hun biologische tegenhangers benadert”, voegt ze eraan toe.
Dit onderzoek wordt gedeeltelijk gefinancierd door de National Science Foundation (NSF), het Office of Naval Research, Air Force Office of Scientific Research, MathWorks en de Zakhartchenko Fellowship.
