Apropos elefanter, så har tyske og østerrikske forskere nå funnet opp en elefantsnabel-robot, som de har utviklet med 3D-printteknologiens hjelp.
Et team av forskere fra universitetet i Tübingen, Tyskland og det tekniske universitet i Graz, Østerrike har 3D-printet en robotarm som kan etterligne bevegelsene til en elefants snabel. Den skal også være selvlærende.
Utstyrt med en griper på spissen, bruker den FDM-printede roboten maskinlæring til å streife rundt og tilpasse seg nye oppgaver, for eksempel å plukke opp klinkekuler og plassere dem på podier. Utviklet som et lavkostnads proof-of-concept, kan designet til slutt komme til å fortsette å bli brukt på en industriell produksjonslinje der det vil være i stand til å utføre et bredere utvalg av fleksible operasjoner, for eksempel transport av bildeler eller montering av elektroniske enheter.
–Vår drøm er at vi kan gjøre dette i et kontinuerlig læringsoppsett der roboten starter uten noen kunnskap og deretter prøver å nå mål, og mens den gjør det dette genererer det sine egne læringseksempler, sa Dr Sebastian Otte, medforfatter av studien, til New Scientist.
Elefantens snabel er et av evolusjonens mesterverk. Den er like deler fleksibel og sterk og gir elefanter et nivå av, skal vi kalle det fingerferdighet, som du ikke ofte ser i dyreriket. Som et resultat av dette er snablene en inspirasjonskilde for mange moderne bioniske prosjekter i den akademia, med pneumatiske aktuatorer som ofte fungerer som kunstige muskelfibre for å oppnå bøyning og utvidelse.
Otte og hans kolleger valgte en modulær design, som er basert på et sett med ensartede, stablingsvennlige moduler med tre graders frihet (DoF) hver. Den nåværende designen har opptil ti av disse modulene, men lengden på roboten kan angivelig dobles med bruk av kraftigere motorer.
Hvert segment i snabelen har flere motorer som driver gir som kan vippe modulen opp til 40° i to akser samtidig. I tillegg til å bøye, er robotsnabelen også i stand til å forlenge og forkorte – akkurat som den virkelige snabelen. Dessverre er det ikke lett å beregne den inverse kinematikken for robotaktuatorer for å utføre komplekse operasjoner, enda mindre med så mange DoF-er. Det er her kunstig intelligens kommer inn.
Spiking nevrale nettverk for navigering
Teamet brukte det som kalles et «spiking» nevralt nettverk (SNN) for å kontrollere roboten, som er et kunstig nerve-nettverk som etterligner naturlige hjerneprosesser. I tillegg til å inkorporere nevronale og synaptiske tilstander, inkluderer SNN også begrepet tid i sine modeller. Ved å observere et sett med treningsbevegelser, var SNN i stand til å kartlegge motorbevegelser til tilsvarende robotposisjoneringe, slik at teamet kunne ‘rulle ut’ modellene for målstyrt navigasjon med presisjon på nesten millimetere.
Forskerne skriver: «Vi har ikke bare vist at det er mulig å konstruere billige snabel-lignende robotarmer med grunnleggende 3D-printutstyr, men vi demonstrerte også hvordan de kan kontrolleres ved hjelp av de nyeste tilbakevendende spiking nevrale nettverksarkitekturer.»
Når det gjelder fremtidig forskning har teamet uttrykt muligheten for å innlemme radar-baserte avstandssensorer for å implementere funksjonalitet for å unngå kollisjoner, slik at enheten kan fungere sammen med mennesker. En annen farbar vei kan være å oversette arbeidet til en slangeaktig robot heller enn en stasjonær arm, der den kunne ‘gli’ rundt på lete- og redningsaksjoner.
Du kan laste ned forskningsrapporten her.
