Aproveitando IA para Projetar Robôs Macios Avançados

Máquinas macias — uma subcategoria de robótica que usa materiais deformáveis em vez de elos rígidos — são uma tecnologia emergente comumente usada em robótica vestível e biomimética (ex.: membros prostéticos). Robôs macios oferecem flexibilidade notável, adaptabilidade excepcional e força distribuída uniformemente, proporcionando interações homem-máquina mais seguras que robôs convencionais duros e rígidos.

Um componente essencial de máquinas macias é o sensor de deformação de alta precisão para monitorar mudanças de deformação de cada unidade de corpo macio e alcançar um laço de controle de alta precisão. Primeiro, os movimentos complexos de máquinas macias requerem que os sensores de deformação monitorem uma ampla faixa de deformação de <5% a >200%, o que excede as capacidades de sensores de deformação convencionais. Segundo, para monitorar os movimentos coordenados de uma máquina macia, múltiplos sensores de deformação são necessários para satisfazer diferentes tarefas de detecção para unidades robóticas separadas, o que demanda testes tediosos de tentativa e erro.

Para resolver este problema, uma equipe de pesquisa da Universidade de Maryland (UMD) liderada por Po-Yen Chen, Professor de Engenharia Química e Biomolecular, criou um framework de aprendizado de máquina (ML) para facilitar a construção de um modelo de predição, que pode ser utilizado para duas tarefas de design: (1) prever desempenho do sensor baseado em uma receita de fabricação e (2) recomendar receitas de fabricação viáveis para sensores de deformação adequados.

"Para usar uma analogia alimentar, demos uma lista de ingredientes a um 'chef', e esse chef é capaz de projetar a refeição perfeita baseada nos gostos individuais do cliente," disse Chen.

Esta tecnologia pode ser usada nos campos de manufatura avançada, design de robôs subaquáticos, design de próteses e além.