Миниатюрный летательный аппарат, созданный инженерами Массачусетского технологического института, освоил движения, характерные для настоящих насекомых.
Этот крошечный робот, отличающийся высокой скоростью и маневренностью, в будущем может применяться в поисково-спасательных операциях. После землетрясений люди нередко оказываются под завалами, куда обычная техника проникнуть не в силах. Небольшие летающие устройства, сконструированные по образцу насекомых, способны пробираться через узкие щели, уклоняясь от неподвижных преград и падающих обломков.
Ирина Медведева
Группа Чена занимается созданием роботов-насекомых уже более пяти лет. Фото: предоставлено Лабораторией мягкой и микроробототехники. Источник: SciTechDaily
Прогресс в секторе микророботов
До недавнего времени подобные микророботы могли передвигаться лишь медленно и по простым ровным траекториям, уступая настоящим насекомым в скорости и ловкости. Однако ситуация изменилась.
Искусственный интеллект позволил добиться воздушной подвижности, свойственной насекомым. Специалисты MIT представили микророботов, которые по быстроте и маневренности не уступают живым прототипам. Они создали новый контроллер на базе ИИ, дающий роботизированному насекомому возможность выполнять сложные фигуры в воздухе, в том числе многократные перевороты.
Управляющая система состоит из двух компонентов и сочетает высокую производительность с эффективностью вычислений. По сравнению с предыдущими лучшими разработками, она повысила скорость робота примерно на 450 процентов, а ускорение — примерно на 250 процентов.
Микроробот совершил десять последовательных сальто за одиннадцать секунд, сохраняя контроль даже при порывах ветра.
По летным характеристикам он не уступает живым насекомым. «Мы хотим задействовать этих роботов в ситуациях, где обычным квадрокоптерам летать сложно, но где ориентируются насекомые. Благодаря нашей биологически обоснованной системе управления, летные качества робота теперь сопоставимы с насекомыми по скорости, ускорению и углу наклона. Это значительный шаг к нашей будущей цели», — отметил Кевин Чен, доцент кафедры электротехники и компьютерных наук, руководитель Лаборатории мягкой и микроробототехники при Исследовательской лаборатории электроники и соавтор статьи.
Соавторами стали аспиранты EECS И-Суан Сяо и Сухан Ким, доктор философии Андреа Тальябуэ, аспиранты Оуэн Маттесон и Тун Чжао Мэн, а также профессор Джонатан П. Хоу. Исследование опубликовано в журнале Science Advances.
Как удаются маневры в воздухе
Роботизированное насекомое размером не больше микрокассеты и весом меньше скрепки теперь способно выполнять быстрые и сложные маневры в воздухе. Этот результат стал итогом более чем пятилетней работы группы Чена по улучшению конструкции и управления крошечными летающими аппаратами.
Новая модель прочнее предшествующих и оснащена большими машущими крыльями для лучшей маневренности. Мягкие искусственные мышцы приводят крылья в движение, заставляя их работать на чрезвычайно высокой скорости.
Аппаратная часть стала совершеннее, но контроллер — «мозг», отслеживающий положение и управляющий полетом, — оставался серьезным ограничением. Поскольку его настраивали вручную, система не могла полностью использовать улучшенные возможности робота.
Чтобы соответствовать быстрым и агрессивным движениям насекомого, требовался контроллер, способный справляться с неопределенностью и быстро решать сложные задачи оптимизации. Однако система, достаточно мощная для таких вычислений, обычно требует слишком много ресурсов для полета в реальном времени, особенно с учетом сложной аэродинамики легкого аппарата.
Программное обеспечение догоняет более мощное аппаратное обеспечение. Группа Чена объединилась с командой Хоу, чтобы разрешить это противоречие. Вместе они создали двухэтапную систему управления на основе ИИ, которая сочетает надежность для быстрых и сложных маневров с эффективностью, необходимой для работы в реальном времени.
«Развитие аппаратной части подтолкнуло нас к совершенствованию контроллера, чтобы больше делать на программном уровне, но по мере развития контроллера расширялись и аппаратные возможности. Когда команда Кевина демонстрирует новые возможности, мы показываем, что можем их использовать», — говорит Хоу.
Первая часть системы — контроллер с прогнозным моделированием. Используя математическую модель движения робота, он предсказывает его поведение и выбирает оптимальную последовательность действий для безопасного следования по маршруту.
Этот мощный планировщик способен выполнять сложные маневры, включая последовательные сальто, резкие повороты и крутые наклоны, хотя его расчеты требуют значительных вычислительных ресурсов. Он также учитывает ограничения по силе и крутящему моменту, помогая сохранять контроль и избегать столкновений.
На таймлапс-фото видно, как летающий микроробот выполняет сальто. Фото: предоставлено Лабораторией мягкой и микроробототехники. Источник: SciTechDaily
Как обучить робота делать десять сальто подряд
Особенно сложны повторяющиеся сальто: робот должен завершить каждый оборот в правильном положении и с нужной скоростью для начала следующего. «Если возникнут небольшие ошибки и вы попытаетесь повторить трюк десять раз, робот просто разобьется. Нужен надежный контроль полета», — объясняет Хоу.
Вместо запуска сложного планировщика непосредственно во время полета, исследователи использовали его как «эксперта-наставника». С помощью имитационных методов он внедрил стратегию на основе модели глубокого обучения. Эта стратегия служит механизмом принятия решений, определяя, куда и как двигаться роботу.
Даже когда порывы ветра грозили сбить его с курса, скоростной робот оставался достаточно маневренным, чтобы за одиннадцать секунд совершить десять последовательных сальто. По сути, имитационное обучение переносит возможности ресурсоемкого планировщика в более быструю модель ИИ, работающую в реальном времени.
Задача состояла в том, чтобы собрать достаточно полезных обучающих данных для подготовки модели к агрессивным маневрам, не генерируя лишнего. «Надежный метод обучения — секретный ингредиент этой технологии», — говорит Хоу.
Во время полета система на основе ИИ получает данные о положении робота и сразу выдает управляющие команды, включая необходимую силу тяги и крутящий момент.
Испытания показали, что двухэтапная система позволила роботу размером с насекомое летать на 447% быстрее и ускоряться на 255% быстрее, чем раньше. Он совершил десять сальто за одиннадцать секунд, отклонившись от заданной траектории не более чем на 4–5 сантиметров.
«Эта работа показывает, что мягкие и микророботы, традиционно ограниченные в скорости, теперь могут использовать передовые алгоритмы управления, чтобы достичь маневренности, сравнимой с подвижностью насекомых и более крупных роботов, что открывает новые возможности для мультимодального передвижения», — отмечает Сяо.
Робот также воспроизвел движение, известное как саккада. Во время этого маневра насекомые резко наклоняются, ускоряются к цели, а затем наклоняются в противоположную сторону, чтобы остановиться. Такое быстрое изменение скорости помогает им определять положение и сохранять четкую видимость.
«Такое биомиметическое поведение в полете поможет нам в будущем, когда мы начнем устанавливать на робота камеры и датчики», — говорит Чен.
Особого внимания заслуживает методология обучения, примененная разработчиками. Использование имитационного обучения, где сложный, но медленный планировщик выступает в роли «учителя» для быстрой нейросетевой модели, решает фундаментальную проблему реального времени.
Классические подходы к управлению полетом требуют либо упрощения математических моделей (что ведет к потере точности), либо применения массивных вычислительных мощностей, которые невозможно разместить на борту крошечного дрона.
Предложенный тандем «эксперт-ученик» позволяет обойти это ограничение: робот учится у виртуального гуру на симуляциях, а затем применяет сжатые, но критически важные знания за миллисекунды. Это не просто улучшение — это создание нового класса интеллектуальных систем, где вычислительная эффективность сочетается с высоким уровнем автономности.
«Теперь, благодаря нашей системе управления, основанной на биологических принципах, летные характеристики нашего робота сравнимы с характеристиками насекомых по скорости, ускорению и углу тангажа», — говорит Кевин Чен. Фото: предоставлено Лабораторией мягкой и микроробототехники. Источник: SciTechDaily
Перспективы технологии
Следующим важным шагом станет оснащение микророботов камерами и датчиками, чтобы они могли перемещаться на открытом воздухе, не полагаясь на сложную систему захвата движения. Исследователи также планируют выяснить, могут ли встроенные датчики помочь группам роботов координировать движения и избегать столкновений.
«Я надеюсь, что для сообщества микроробототехники эта статья станет сигналом к смене парадигмы, показав, что можно разработать новую архитектуру управления, одновременно высокопроизводительную и эффективную», — заключает Чен.
Это достижение знаменует собой не просто инженерный курьез, а принципиальный сдвиг в парадигме проектирования автономных микророботов.
Традиционно считалось, что миниатюризация приводит к потере динамических характеристик: чем меньше аппарат, тем сложнее ему бороться с турбулентностью и инерцией собственных ничтожных масс. Однако работа группы Чена и Хоу демонстрирует обратное — сочетание гибкой механики (мягкие искусственные мышцы, увеличенные крылья) с адаптивным ИИ позволяет не просто догнать, но в некоторых аспектах превзойти биологические аналоги.
Робот больше не является пассивной игрушкой воздушных потоков; он активно использует их для выполнения акробатических элементов, что ранее считалось прерогативой исключительно живых организмов. Это открывает дорогу к созданию устройств, способных функционировать в хаотичной и непредсказуемой среде, где каждый сантиметр пространства может быть смертельной ловушкой.
Практические перспективы подобных технологий гораздо шире, чем просто поисково-спасательные работы. Рой таких насекомых-роботов, оснащенных датчиками химического состава воздуха, мог бы патрулировать промышленные зоны на предмет утечек токсичных веществ.
В сельском хозяйстве они способны проводить точечное опыление культур, не повреждая нежные цветки и не используя огромные дроны с опасными пропеллерами.
Возможность зависать в ограниченном пространстве и резко менять траекторию делает их идеальными кандидатами для инспекции труднодоступных узлов в авиационных двигателях или турбинах электростанций. Каждое новое применение будет требовать доработки сенсорной базы и алгоритмов навигации, но фундамент — умение совершать сложные маневры в условиях неопределенности — уже заложен.
Однако путь к полной автономности все еще сопряжен с вызовами. Главный из них — энергетическая эффективность. Нынешние микророботы требуют внешнего источника питания или сложной системы захвата движения для определения своего положения в пространстве.
Установка бортовой камеры и чипа для обработки визуальной информации неизбежно увеличит вес и энергопотребление, что может снизить летные характеристики.
Тем не менее, команда MIT демонстрирует, что аппаратное и программное обеспечение развиваются циклически, подталкивая друг друга.
Если удастся создать сверхлегкие аккумуляторы или эффективные системы беспроводной передачи энергии, а также оптимизировать нейросеть для работы на маломощных микропроцессорах, то эти микророботы превратятся из лабораторной диковинки в повсеместно используемый инструмент для самых смелых задач, от спасения жизней до исследования космоса.