Локомотив роботов — это коллективное имя для различных методов, которые роботы используют для транспортировки из места в место.
Колесные роботы, как правило, достаточно энергоэффективны и просты в управлении. Однако другие формы локомоции могут быть более уместными по ряду причин, например, пересечение неровной местности, а также перемещение и взаимодействие в окружающей среде человека. Кроме того, изучение бипедальных и насекомоподобных роботов может оказать благотворное влияние на биомеханику.
Основная цель в этой области — разработка возможностей для роботов, которые самостоятельно решат, как, когда и куда двигаться. Однако координировать большое количество роботизированных суставов даже для простых вопросов, таких как переговоры по лестнице, сложно. Автономная роботизированная локомоция является основным технологическим препятствием для многих областей робототехники, таких как гуманоиды (такие как Honda Asimo).
Типы локомоции
Ходьба
Прогулочные роботы имитируют движение человека или животных, как замену колесного движения. Движение с ногами позволяет вести переговоры о неровных поверхностях, ступеньках и других областях, которые трудно достать колесному роботу, а также будет приводить к меньшему повреждению окружающей среды в качестве колесных роботов, что могло бы подорвать его.
Роботы Hexapod основаны на локомотиве насекомых, наиболее популярным среди тараканов и палочных насекомых, чей неврологический и сенсорный результат менее сложный, чем другие животные. Несколько ножек позволяют несколько разных приманок, даже если нога повреждена, что делает их движения более полезными для роботов, перевозящих объекты.
Механизм ноги
Механизм ноги (ходовой механизм) представляет собой сборку звеньев и суставов (сцепление), предназначенных для имитации ходячего движения людей или животных. Механические ножки могут иметь один или несколько приводов и могут выполнять простые плоские или сложные движения.
По сравнению с колесом, механизм ноги потенциально лучше приспособлен к неровной местности, так как он может преодолевать препятствия.
шестиногий
Шестиногий ходячий робот не следует путать с платформой Стюарта, своего рода параллельным манипулятором, используемым в приложениях для робототехники.
Робот гексаподов — это механический автомобиль, который ходит на шести ногах. Поскольку робот может быть стабильно стабильным на трех или более ногах, робот-гексапод обладает большой гибкостью в том, как он может двигаться. Если ноги становятся инвалидами, робот все равно сможет ходить. Кроме того, не все ноги робота необходимы для стабильности; другие ноги могут свободно посещать новые места для ног или манипулировать полезной нагрузкой.
Многие гепаподы-роботы биологически вдохновлены движением Hexapoda. Hexapods могут использоваться для проверки биологических теорий об локомоции насекомых, моторном контроле и нейробиологии.
Двуногая ходьба
Пассивная динамика
Пассивная динамика относится к динамическому поведению исполнительных механизмов, роботов или организмов, когда они не вытягивают энергию из источника питания (например, батареи, топливо, АТФ). В зависимости от приложения рассмотрение или изменение пассивной динамики питаемой системы может иметь резкие последствия для производительности, особенно для экономии энергии, стабильности и пропускной способности. Устройства, не использующие источник питания, считаются «пассивными», и их поведение полностью описывается их пассивной динамикой.
В некоторых областях робототехники (в частности, робототехники с ногами) дизайн и более расслабленный контроль пассивной динамики стал дополнительным (или даже альтернативным) подходом к методам управления совместным позиционированием, разработанным в XX веке. Кроме того, пассивная динамика животных представляла интерес для биомеханистов и интегративных биологов, поскольку эта динамика часто лежит в основе биологических движений и сопряжена с нейромеханическим контролем.
Особо актуальными областями для исследования и разработки пассивной динамики являются лобовые движения и манипуляции.
Точка нулевого момента
Точка нулевого момента — это понятие, связанное с динамикой и контролем лобового движения, например, для гуманоидных роботов. В нем указывается точка, в отношении которой динамическая сила реакции при контакте стопы с землей не создает никакого момента в горизонтальном направлении, то есть в точке, где общая сила горизонтальной инерции и силы тяжести равна 0 (ноль). Понятие предполагает, что площадь контакта плоская и имеет достаточно высокое трение, чтобы ноги не скользили.
Бег
Примеры: ASIMO, BigDog, HUBO 2, RunBot и Toyota Partner Robot.
Подвижной
С точки зрения энергоэффективности на плоских поверхностях, наиболее эффективны колесные роботы. Это связано с тем, что идеальное колесо (но не скольжение) не теряет энергии. Колесо, вращающееся с заданной скоростью, не требует ввода для поддержания своего движения. Это контрастирует с роботами с ногами, которые в результате оказывают влияние на землю при столкновении с пятками и теряют энергию.
Для простоты большинство мобильных роботов имеют четыре колеса или несколько непрерывных дорожек. Некоторые исследователи пытались создать более сложные колесные роботы с одним или двумя колесами. Они могут обладать определенными преимуществами, такими как более высокая эффективность и уменьшенные части, а также позволять роботу перемещаться в ограниченном пространстве, которое не мог бы использовать четырехколесный робот.
Примеры: Boe-Bot, Cosmobot, Elmer, Elsie, Enon, HERO, IRobot Create, Roombob iRobot, Зверь Джонса Хопкинса, Земельный Уокер, Модульный робот, Муса, Омнибот, PaPeRo, Фобот, Робот Pocketdelta, Push Talking Trash Can, RB5X , Rovio, Seropi, Shakey — робот, Sony Rolly, Spykee, TiLR, Topo, TR Araña и Wakamaru.
Прыгая
Несколько роботов, построенных в 1980-х годах Марком Райбертом в лаборатории MIT Leg, успешно продемонстрировали очень динамичную ходьбу. Первоначально робот с одной ногой и очень маленькой ногой мог оставаться в вертикальном положении, просто прыгая. Движение такое же, как и у человека на пого-палке. Когда робот падает в сторону, он слегка подпрыгивает в этом направлении, чтобы поймать себя. Вскоре алгоритм был обобщен на две и четыре ноги. Двуногий робот был продемонстрирован бегом и даже совершил кувырки. Было продемонстрировано четвероногий, который мог рысью, бегом, темпами и связанными.
Примеры:
Met cheetah cub представляет собой электрически приводимый в действие четвероногий робот с пассивными ногами, способными к самостабилизации в широком диапазоне скоростей.
Tekken II — маленький четвероногий, предназначенный для адаптивного перехода на нерегулярные ландшафты.
Метахроническое движение
Координированное последовательное механическое действие, имеющее появление бегущей волны, называется метахрональным ритмом или волной и используется в природе с помощью инфузорий для транспорта, а также червями и членистоногими для локомоции.
Скользкие
Несколько роботов-змей успешно разработаны. Подражая движению настоящих змей, эти роботы могут перемещаться по очень ограниченным пространствам, а это значит, что однажды они могут быть использованы для поиска людей, оказавшихся в рухнувших зданиях. Японский робот-змея ACM-R5 может даже перемещаться как на суше, так и в воде.
Примеры: робот Snake-arm, Roboboa и Snakebot.
плавание
Автономное подводное транспортное средство (AUV) — это робот, который путешествует под водой, не требуя ввода от оператора. AUV составляют часть более широкой группы подводных систем, известных как беспилотные подводные аппараты, классификация, которая включает в себя неавтономные дистанционно управляемые подводные аппараты (ROV), управляемые и приводимые в действие с поверхности оператором / пилотом через пупочный пульт или с помощью пульта дистанционного управления. В военных применениях AUV чаще называют беспилотным подводным аппаратом (UUV). Подводные планеры являются подклассом AUV.
Brachiating
Brachiation позволяет роботам путешествовать путем качания, используя энергию только для захвата и освобождения поверхностей. Это движение похоже на обезьяну, качающуюся от дерева к дереву. Два типа брахинга можно сравнить с двуногими ходовыми движениями (непрерывным контактом) или бегущим (богачевым). Непрерывный контакт заключается в том, что ручной / захватный механизм всегда прикреплен к пересекаемой поверхности; richochetal использует фазу «перелета» с одной поверхности / конечности на следующую.
Гибридный
Роботы также могут быть предназначены для выполнения локомоции в нескольких режимах. Например, Bipedal Snake Robo может скользить как змея и ходить как двуногий робот.
подходы
Инженерная инженерия
Оптимизация продукта
Оптимизация производства — это практика внесения изменений или корректировок в продукт, чтобы сделать его более желательным.
Продукт имеет ряд атрибутов. Например, бутылка соды может иметь различные варианты упаковки, ароматизаторы, питательные ценности. Можно оптимизировать продукт, сделав небольшие корректировки. Как правило, цель состоит в том, чтобы сделать продукт более желательным и увеличить маркетинговые показатели, такие как намерение покупки, приемлемость, частоту покупки и т. Д.
Планирование движения
Планирование движения (также известное как проблема навигации или проблема с пианино) — это термин, используемый в робототехнике для процесса разбивки желаемой задачи движения на дискретные движения, которые удовлетворяют ограничениям движения и, возможно, оптимизируют некоторые аспекты движения.
Например, рассмотрите навигацию мобильного робота внутри здания к удаленной путевой точке. Он должен выполнять эту задачу, избегая стен и не спускаясь по лестнице. Алгоритм планирования движения должен описать эти задачи как входные данные, а также выполнить команды скорости и поворота, отправленные на колеса робота. Алгоритмы планирования движения могут адресовать роботы с большим количеством соединений (например, промышленные манипуляторы), более сложные задачи (например, манипулирование объектами), различные ограничения (например, автомобиль, который может двигаться только вперед) и неопределенность (например, несовершенные модели окружающей среды или робота).
Планирование движения включает в себя несколько приложений для робототехники, таких как автономия, автоматизация и дизайн роботов в программном обеспечении САПР, а также приложения в других областях, такие как анимация цифровых символов, видеоигры, искусственный интеллект, архитектурный дизайн, роботизированная хирургия и исследование биологических молекул.
Захват движения может выполняться на людях, насекомых и других организмах.
Захват движения (иногда называемый mo-cap или mocap, для краткости) — это процесс записи движения объектов или людей. Он используется в военных, развлекательных, спортивных, медицинских приложениях, а также для проверки компьютерного зрения и робототехники. В кинематографии и разработке видеоигр это относится к записи действий человеческих актеров и использованию этой информации для анимации цифровых персонажей в 2D или 3D компьютерной анимации. Когда он включает в себя лицо и пальцы или захватывает тонкие выражения, его часто называют захватом производительности. Во многих областях захват движения иногда называют отслеживанием движения, но в кинопроизводстве и играх отслеживание движения обычно относится скорее к соответствию движению.
В сеансах захвата движения движения одного или нескольких участников выбираются во много раз в секунду. В то время как ранние методы использовали изображения из нескольких камер для вычисления трехмерных позиций, часто целью захвата движения является запись только движений актера, а не его или ее визуальный внешний вид. Эти данные анимации отображаются в 3D-модели, так что модель выполняет те же действия, что и актер. Этот процесс может быть противопоставлен более старой технике ротоскопинга, как это видно из «Властелина колец» Ральфа Бакши (1978) и American Pop (1981). Анимированные движения персонажей были достигнуты в этих фильмах, проследив актер-актер, захватывая движения и движения актера. Чтобы объяснить, актер снимается, выполняя действие, а затем записанный фильм проецируется на таблицу анимации по очереди. Аниматоры отслеживают видеозапись в реальном времени на анимацию cels, захватывая контуры и движения актера кадр за кадром, а затем они заполняют прорисованные контуры анимированным персонажем. Завершающие анимационные ролики затем сфотографируются по кадру, точно соответствующие движениям и действиям кадры в реальном времени. Конечным результатом которого является то, что анимированный персонаж точно воспроизводит движения актера в реальном времени. Однако этот процесс требует значительных усилий и времени.
Движения камеры также могут быть захвачены в движение, так что виртуальная камера в сцене будет панорамироваться, наклоняться или поворачиваться вокруг сцены, управляемой оператором камеры во время действия актера. В то же время система захвата движения может захватывать камеру и реквизит, а также производительность актера. Это позволяет компьютерным символам, изображениям и наборам иметь ту же перспективу, что и видеоизображения с камеры. Компьютер обрабатывает данные и отображает движения актера, обеспечивая желаемые позиции камеры с точки зрения объектов в наборе. Ретроактивно получение данных о движении камеры из захваченных кадров известно как перемещение или перемещение камеры.
Машиноведение, как правило, с обучением по усилению.
Машиноведение (ML) — это область искусственного интеллекта, которая использует статистические методы, чтобы дать компьютерным системам возможность «учиться» (например, постепенно улучшать производительность по конкретной задаче) из данных, не будучи явно запрограммированной.
В 1959 году Артур Сэмюэль начал обучение в машинах с именем. Машинное обучение исследует изучение и построение алгоритмов, которые могут учиться и делать прогнозы на данных — такие алгоритмы преодолевают следующие строго статические программные инструкции, делая прогнозы или решения, управляемые данными, путем построения модели из выборочных входов. Машинное обучение используется в ряде вычислительных задач, где проектирование и программирование явных алгоритмов с хорошей производительностью является трудным или неосуществимым; Примеры приложений включают фильтрацию электронной почты, обнаружение сетевых злоумышленников и компьютерное зрение.
Машинное обучение тесно связано с (и часто совпадением) с вычислительной статистикой, которая также фокусируется на прогнозировании с использованием компьютеров. Он имеет прочные связи с математической оптимизацией, которая предоставляет методы, теории и области приложений в поле. Машинное обучение иногда сочетается с интеллектуальным анализом данных, в котором последнее подполе больше фокусируется на анализе разведочных данных и известно как неконтролируемое обучение.
В области аналитики данных машинное обучение — это метод, используемый для разработки сложных моделей и алгоритмов, которые поддаются прогнозированию; в коммерческом использовании это называется прогностической аналитикой. Эти аналитические модели позволяют исследователям, ученым-дантистам, инженерам и аналитикам «создавать надежные, повторяемые решения и результаты» и раскрывать «скрытые идеи» посредством изучения исторических отношений и тенденций в данных.