Наука и робототехника: главные события недели

Институт робототехнических систем НИУ ВШЭ продолжает еженедельный дайджест о науке и технологиях в робототехнике.Каждую неделю мы собираем наиболее интересные исследования и разработки в области робототехники, искусственного интеллекта, автономных систем, сенсорики, новых материалов и человеко-машинного взаимодействия.В этом выпуске — 5 разработок, которые показывают, как роботы учатся быть выразительнее, работать с хрупкими объектами, действовать в сельском хозяйстве и объединяться в единую систему.

Робот меняет форму тела, чтобы казаться более живым

Исследователи Университета электрокоммуникаций в Японии и Sony разработали мобильного робота MOFU, который способен расширять и сжимать корпус целиком. В отличие от роботов, которые выражают состояние преимущественно движениями отдельных частей тела, MOFU меняет собственный объем: его высота увеличивается примерно с 21 до 28 см. Для этого используется конструкция Jitterbug, приводимая в движение одним мотором.

Исследователи проверили, как такая динамика влияет на восприятие робота людьми. В экспериментах с участием почти 500 человек движения расширения и сжатия действительно повышали оценку «живости» робота. Авторы рассматривают такой подход как возможный инструмент для более естественного и выразительного человеко-роботного взаимодействия, в том числе в социальных и медицинских сценариях.

Мемристорный чип увеличил объем ассоциативной памяти

Исследователи Университета Гонконга совместно с Hewlett Packard Labs создали мемристорный чип для ассоциативной памяти — вычислительной архитектуры, которая позволяет “вспоминать” полную информацию по ее фрагменту, подобно тому, как человек узнает знакомое лицо по его части.

В основе разработки — алгоритм, который учитывает реальные дефекты отдельных элементов чипа и адаптирует обучение под особенности конкретного оборудования. В результате система смогла хранить примерно вдвое больше информации, чем предыдущие решения, используя при этом до 95% меньше устройств. Время извлечения данных удалось сократить до 99,7%, а энергоэффективность повысить до 8,8 раза по сравнению с традиционными подходами.

Технология может быть особенно интересна для edge AI — автономных устройств, которым приходится обрабатывать информацию непосредственно на месте и работать при ограниченном энергопотреблении.

Одна программная платформа — для роботов в воздухе и на земле

Израильская компания XTEND расширила свою платформу XOS с беспилотных летательных аппаратов на наземную робототехнику. Первой наземной машиной, интегрированной с XOS, стал робот AtlasROVER, поставленный заказчику в Азиатско-Тихоокеанском регионе.

XOS задуман как общий программный слой для разных робототехнических платформ. Он объединяет функции ИИ, приложения для выполнения задач и инструменты управления оператором. Такой подход позволяет использовать единую программную архитектуру независимо от того, движется робот по земле или летит в воздухе. В дальнейшем XTEND планирует распространить систему и на морские платформы.

Компания рассматривает это как переход от создания отдельных роботов к единой экосистеме физических ИИ-систем, которые могут работать совместно, сохраняя участие человека в управлении.

Гуманоидный робот научился опылять растения

Китайские исследователи представили GEAIR 2.0 — гуманоидного робота, предназначенного для автоматизации селекционных работ и опыления растений. Разработка Института генетики и биологии развития Китайской академии наук была показана на Пекинской конференции по семеноводству.

Робот способен работать с растениями в сложной среде и выполнять операции, необходимые для контролируемого скрещивания. В обновленной версии используются две руки, что упрощает перемещение между растениями и выполнение манипуляций. Точность распознавания рыльца цветка, необходимого для операции опыления, достигла 92,8%.

Пример показывает, как воплощенный ИИ постепенно выходит за пределы промышленной автоматизации: роботам приходится не только перемещаться в пространстве, но и распознавать биологические объекты и выполнять с ними точные манипуляции.

ИИ помог подобрать материал для мягких роботизированных компонентов

Исследователи KAIST разработали подход к поиску материалов для мягкой робототехники, объединив машинное обучение и экспериментальные данные. Задача заключалась в том, чтобы подобрать состав фотополимера, который одновременно подходит для 3D-печати методом DLP (Digital Light Processing, методом послойного отверждения светом) и сохраняет высокую эластичность после отверждения.

С помощью модели исследователи сократили число вариантов, которые необходимо проверять экспериментально, и получили материал, способный растягиваться более чем в шесть раз относительно исходной длины. Из него напечатали мягкие пневматические актуаторы и собрали демонстрационный захват, который смог работать с объектами разной формы и жесткости — от яйца до стеклянной бутылки.

Главная ценность работы — применение машинного обучения для ускорения поиска материалов с заданным сочетанием механических и технологических свойств. Такой подход потенциально можно применять и при разработке других мягких робототехнических компонентов.

Главное — робототехника становится разнообразнее

Новые разработки показывают, что робот уже не обязательно должен быть жестким и неизменным. Он может менять форму, чувствовать хрупкий объект, работать с растениями или объединяться с другими машинами в единую систему. Параллельно ИИ все глубже проникает не только в управление роботами, но и в создание материалов и вычислительной основы для них.