Machine-intelligentie om softmachines te bouwen

Zachte machines - een subcategorie van robotica die vervormbare materialen gebruikt in plaats van stijve verbindingen - zijn een opkomende technologie die vaak wordt gebruikt in draagbare robotica en biomimetica (bijv. Prothetische ledematen). Zachte robots bieden opmerkelijke flexibiliteit, uitstekend aanpassingsvermogen en gelijkmatig verdeelde kracht, wat zorgt voor veiligere mens-machine-interacties dan conventionele harde en stijve robots.

Een essentieel onderdeel van zachte machines is de uiterst nauwkeurige spanningssensor om de spanningsveranderingen van elke zachte lichaamseenheid te bewaken en een zeer nauwkeurige regellus te bereiken. Ten eerste vereisen de complexe bewegingen van zachte machines dat de reksensoren een breed rekbereik van <5% tot>200% bewaken, wat de mogelijkheden van conventionele reksensoren overtreft. Ten tweede, om de gecoördineerde bewegingen van een zachte machine te bewaken, zijn meerdere spanningssensoren nodig om te voldoen aan verschillende detectietaken voor afzonderlijke roboteenheden, wat vervelende proefondervindelijke tests vereist.

Om dit probleem aan te pakken, heeft een onderzoeksteam van de Universiteit van Maryland (UMD) onder leiding van Po-Yen Chen, hoogleraar chemische en biomoleculaire technologie, een raamwerk voor machine learning (ML) gecreëerd om de constructie van een voorspellingsmodel te vergemakkelijken, dat kan worden gebruikt voor twee ontwerptaken:(1) de sensorprestaties voorspellen op basis van een fabricagerecept en (2) haalbare fabricagerecepten aanbevelen voor adequate reksensoren.

"Om een ​​voedselanalogie te gebruiken, hebben we een lijst met ingrediënten aan een 'chef' gegeven en die chef is in staat om de perfecte maaltijd te ontwerpen op basis van de individuele smaak van de klant," zei Chen.

Deze technologie kan worden gebruikt op het gebied van geavanceerde productie, onderwaterrobotontwerp, protheseontwerp en meer.