Bliver de bløde robotter det næste sort inden for robotter og kunstig intelligens?

En blød robot er en lille let maskine på højst et par kilo, som består af materialer, der er bløde og elastiske. Bløde robotter anvendes oftest i den medicinske eller biomedicinske industri, men ses også i stigende grad som legetøj. Det forventes, at bløde robotter vil få stor betydning på mange andre områder, f.eks. som små hjælpere i privathusholdninger eller på sundhedsområdet.

Bløde robotter er svære at styre

Der er udfordringer med at kontrollere bløde robotter da de har mange flere frihedsgrader end traditionelle robotter. Dette vil forskerne nu prøve at gøre noget ved. Et nyt spændende forskningsprojekt på KU skal udvikle simulatorer der bruger kunstig intelligens til bedre at kunne styre den nye generation af "bløde robotter", der vinder frem. Firmaet NVIDIA, som er førende inden for robotteknologi, er gået sammen med Datalogisk Institut ved Københavns Universitet og har ansat Miles Macklin som ph.d.-stipendiat under ledelse af lektor Kenny Erleben. Ph.d-projektet skal frembringe hurtige og pålidelige simulatorer til at styre bløde robotter ved hjælp af kunstig intelligens (AI).

AI-simulering er nøglen til at skabe både hurtigere og mere pålidelige bløde robotter

Kunstig intelligens af bløde robotter stiller krav til både simulatorernes nøjagtighed og den hastighed, hvormed man kan udregne hvordan robotterne bevæger sig. Dette er en udfordring set fra et forskningsperspektiv, da det er vanskeligt at tilgodese begge krav, der snarere er hinandens modsætninger. Der skal et nyt mind-set til at designe sådanne realistiske simulatorer. For eksempel kan man ikke bare lade en genstande gennemtrænge eller eller flyve tværs gennem hinanden, som man kender det fra simulatorer i computerspil.

Heldigvis giver den seneste udvikling inden for position-based dynamics (PBD) kombineret med sparse blocked matrix-biblioteker, der kører på de meget beregningsstærke grafikkort (GPU’er), lovende resultater, der tegner positivt i retning af at tilføre robot- og AI-miljøet en pålidelig og skalerbar simulator.

Lektor Kenny Erleben, som har igangsat projektet og er vejleder på det, er overbevist om, at data-drevet og simuleringsbaseret modellering kan forenes i en kombineret løsning, der ikke skaber indbyrdes modsætninger mellem hastighed og nøjagtighed.

Erlebens tidligere arbejde har fokuseret på hurtige numeriske metoder til film, og træning og computerspil, hvor man ofte bruge metoder, der bytter hastighed for nøjagtighed.

Miles Macklin er en af de mest aktive forskere inden for PBD metoder. Han skal nu kaste sig ud i at opfinde nye simuleringsmetoder, der kan give både hurtige og præcise beregninger, præcis generering af kontaktpunkter på basis af polygon modeller (meshes) og fuld kobling af både de faste og bløde legemer i en samlet matematiske model.

Traditionelle robotter vs. bløde robotter

Traditionelle robotter kendes mest som tunge industrimaskiner fremstillet af stive mekaniske dele. De bevæger sig langsomt og kræver betydelige sikkerhedsmekanismer for at undgå at skade mennesker, der kommer i nærheden eller ganske enkelt for at undgå at de forvolder kostbare skader. Bløde robotter består af bløde dele, som giver nogle lette og mere smidige robotter. De kan accelerere hurtigere og giver færre og mindre skader, hvis de støder mod noget eller fejler. Den lave vægt forlænger i øvrigt også batteritiden.

Soft Robotics er stadig i sin barndom, men industrien skubber kraftigt på udviklingen. NVIDIA er en af mange spillere på markedet, der sikrer fremdrift i denne udviklingsproces.

Det er forskernes hypotese, at den manglende evne til at styre de bløde robotter er den største udfordring og begrænsende faktor for en større udbredelse lige nu. Ifølge Erleben er det sensoriske feedback i dag for langsomt og giver ikke nok data til at man direkte kan anvende ’dyb læring’. Højst sandsynligt vil der gå endnu et årti før man kan samle data nok i sig selv. Derfor er et godt alternativ til at overvinde manglen på data til at styre robotterne  at udvikle meget vellignende modeller af robotternes dynamik.