Inteligência de máquina para construir máquinas leves

Máquinas macias – uma subcategoria de robótica que usa materiais deformáveis ​​em vez de links rígidos – são uma tecnologia emergente comumente usada em robótica vestível e biomimética (por exemplo, membros protéticos). Robôs macios oferecem flexibilidade notável, adaptabilidade excepcional e força uniformemente distribuída, proporcionando interações homem-máquina mais seguras do que os robôs rígidos e rígidos convencionais.

Um componente essencial das máquinas macias é o sensor de tensão de alta precisão para monitorar as mudanças de tensão de cada unidade de corpo mole e obter um circuito de controle de alta precisão. Primeiro, os movimentos complexos de máquinas leves exigem que os sensores de deformação monitorem uma ampla faixa de deformação de <5% a>200%, o que excede as capacidades dos sensores de deformação convencionais. Em segundo lugar, para monitorar os movimentos coordenados de uma máquina macia, são necessários vários sensores de deformação para satisfazer diferentes tarefas de detecção para unidades robóticas separadas, o que exige testes tediosos de tentativa e erro.

Para resolver esse problema, uma equipe de pesquisa da Universidade de Maryland (UMD) liderada por Po-Yen Chen, professor de engenharia química e biomolecular, criou uma estrutura de aprendizado de máquina (ML) para facilitar a construção de um modelo de previsão, que pode ser utilizado para duas tarefas de projeto:(1) prever o desempenho do sensor com base em uma receita de fabricação e (2) recomendar receitas de fabricação viáveis ​​para sensores de deformação adequados.

“Para usar uma analogia com a comida, demos uma lista de ingredientes a um ‘chef’ e esse chef é capaz de criar a refeição perfeita com base nos gostos individuais do cliente”, disse Chen.

Essa tecnologia pode ser usada nas áreas de fabricação avançada, design de robôs submarinos, design de próteses e muito mais.