Pesquisadores da Virginia Tech Desenvolvem Sistemas de Passo Bio-Inspirados para Robótica Avançada

Dois anos atrás, Kaveh Hamed viu seu filho Nikaan dar seus primeiros passos sozinho. Ele observou o corpo de um ano de Nikaan cambalear em pernas trêmulas enquanto o bebê caminhava para frente.

E ele viu o progresso de Nikaan: ele foi de engatinhar de barriga para ficar em pé com um balanço, para as primeiras caminhadas, para sair cruzando o chão em dois pés firmes.

Estas memórias fazem Hamed pensar em matemática, como ele faz quando vê sua cadela Telli correr. Quando a vê saltar em sua direção e mudar para um trote, ele começa a se perguntar novamente sobre as maneiras como ele poderia transmitir sua agilidade a um robô.

Por mais de 10 anos, Hamed desenvolveu algoritmos de controle que permitem robôs com pernas caminharem e correrem mais como humanos e animais.

Ver Nikaan e Telli em movimento o lembra que há muito ainda a aprender. "Parece um problema simples", disse Hamed. "Fazemos estas coisas todos os dias — andamos, corremos, subimos escadas, passamos por vãos. Mas traduzir isso para matemática e robôs é desafiador."

Hamed ingressou na Virginia Tech no ano passado como professor assistente no Departamento de Engenharia Mecânica na Faculdade de Engenharia e como chefe do Laboratório de Sistemas Dinâmicos Híbridos e Locomoção Robótica.

Desde então, ele e sua equipe de pesquisa trabalharam para aprimorar a locomoção bio-inspirada em robôs, junto com colaboradores de dentro do departamento e de outras universidades pelo país.

Eles estão atualmente trabalhando em quatro projetos financiados pela National Science Foundation, todos os quais se inspiram em humanos ou animais e focam em desenvolvimento de software.

Um de seus projetos envolve examinar as aplicações de locomoção bípede (duas pernas) para locomoção resiliente de pernas protéticas motorizadas.

A equipe de pesquisa de Hamed está colaborando com Robert Gregg, professor associado no Departamento de Engenharia Elétrica e Ciência da Computação na Universidade de Michigan, para desenvolver algoritmos de controle descentralizados para o modelo de perna protética motorizada de Gregg.

Três dos projetos atuais da equipe giram em torno de robôs quadrúpedes (quatro pernas) e o uso combinado de sensores, algoritmos de controle e inteligência artificial para melhorar a agilidade, estabilidade e destreza de cães robóticos, bem como sua capacidade de resposta ao ambiente e uns aos outros.

Hamed disse que, embora mais robôs com pernas estejam sendo construídos a cada ano, o campo tem um longo caminho a percorrer antes que robôs possam igualar a agilidade de suas fontes de inspiração de duas ou quatro pernas.

"Acreditamos que a agilidade que vemos na locomoção animal — como em um cão, um guepardo ou um leão da montanha — não pode ser atualmente perseguida de perto por robôs, mesmo os de última geração", disse ele.

"A tecnologia robótica está avançando rapidamente, mas ainda há uma lacuna fundamental aqui, entre o que vemos em robôs e o que vemos em suas contrapartes biológicas."

Buscando inspiração em amigos de quatro patas

Em seu trabalho com cães robóticos, Hamed visa preencher a lacuna desenvolvendo algoritmos de controle avançados e inteligentes que sustentam a agilidade e estabilidade da locomoção animal.

Integrando o uso de algoritmos avançados de controle de feedback e técnicas de otimização matemática com o uso de sensores, sua abordagem funciona na biologia básica dos animais.

Controle de equilíbrio para vertebrados, por exemplo, acontece principalmente na medula espinhal, onde neurônios oscilatórios se comunicam entre si para gerar movimento rítmico.

É uma função natural — a razão pela qual animais com pernas e humanos podem fechar os olhos e ainda caminhar, explicou Hamed.

Mas para navegar ambientes mais complexos — como um conjunto de escadas ou rochas — tanto humanos quanto animais precisam de visão, e precisamos do cérebro para interpretar o que vemos.

A equipe de pesquisa de Hamed usa sensores e algoritmos de controle robustos para criar efeitos semelhantes entre seus cães robóticos.

Eles usam encoders — sensores acoplados às juntas para ler sua posição em relação umas às outras — bem como unidades de medição inercial — sensores que medem a orientação do corpo do robô em relação ao chão — para criar mais do controle de equilíbrio e movimento que vem naturalmente aos vertebrados.

A equipe também acopla câmeras e Lidar, uma forma de tecnologia a laser para mapeamento mais preciso do ambiente, para fazer uso de visão de máquina, que pode informar melhor o contato de cada robô com ou evasão de obstáculos.

A equipe de Hamed equipou três cães robóticos, construídos pela Ghost Robotics, uma empresa especializada em produzir robôs com pernas, com estes sensores e os usou para testar seus recém-desenvolvidos algoritmos de controle inteligentes e robustos.

Uma vez que os robôs leram medições de seu próprio movimento e seu ambiente, a ideia é fazê-los agir de acordo: computadores de bordo calculam as ações de controle robustas que os robôs devem usar para se dirigirem do ponto A ao ponto B.

Até agora, os pesquisadores simularam e começaram a testar várias passadas diferentes espelhando as de animais reais.

Os cães robóticos começaram a caminhar, trotar e correr em ângulos mais agudos com mais agilidade, equilíbrio e velocidade.

A equipe também está explorando a integração de inteligência artificial em seus algoritmos de controle para melhorar a tomada de decisão em tempo real dos robôs em ambientes reais.

Colaborando com parceiros da Virginia Tech e além

Hamed apoia-se na colaboração para adotar novos conceitos como inteligência artificial e algoritmos de controle críticos de segurança.

Em dois de seus projetos, ele colabora com Aaron Ames, Professor de Engenharia Mecânica e Civil no Caltech.

Juntos, eles visam desenvolver a próxima geração de algoritmos de controle inteligentes, seguros e robustos que permitirão locomoção ágil de robôs quadrúpedes e bípedes em ambientes complexos.

Eles também visam construir sobre este trabalho com enxames de robôs com pernas, criando algoritmos de controle de feedback distribuídos que permitem robôs com pernas coordenarem seu movimento em tarefas colaborativas.

Recentemente, Alex Leonessa, professor de Engenharia Mecânica na Virginia Tech, juntou-se a Ames e Hamed em um projeto que adapta o uso de algoritmos de controle distribuídos para locomoção cooperativa de cães-guia robóticos e humanos.

"Aprendo com a colaboração", disse Hamed. "É isso que estamos fazendo para avançar o conhecimento. Empresas bem conhecidas estão fazendo coisas incríveis agora, mas você não pode ver o que elas fazem.

"Gostaríamos de aprender com a ciência e a matemática e compartilhar o que encontramos. À medida que publicamos, podemos dizer a outras universidades: 'Estes são os algoritmos que usamos. Como vocês podem expandir sobre eles?'"

Hamed vê os benefícios potenciais e aplicações reais destes aprimoramentos em termos de mobilidade, capacidade assistiva e uma combinação das duas.

Com mais da metade da paisagem da Terra marcada como inalcançável para veículos com rodas, robôs com pernas ágeis poderiam navegar melhor terrenos acidentados e íngremes, como os de montanhas ou florestas.

Em casas e escritórios, o chão é plano e principalmente previsível, mas limitações para robôs ainda tomam forma em escadas e escadas projetadas para caminhantes bípedes.

Hamed acredita que será importante garantir que robôs possam lidar com as mesmas condições, se forem usados para auxiliar pessoas com mobilidade limitada e viver com elas.

E à medida que robôs apoiam ou substituem humanos em resposta a emergências — uma missão de resgate para um incêndio em fábrica, por exemplo — eles se beneficiarão do uso hábil de suas pernas.

Hamed acha os primeiros testes em algoritmos de controle com seus cães robóticos promissores, mas o desenvolvimento daqueles algoritmos será um processo contínuo.

"Os algoritmos que estamos usando são realmente bio-inspirados?" Hamed perguntou a si mesmo. "Eles estão realmente agindo como cães? Estamos tentando fazer a matemática.

"Mas deve ser bio-inspirado. Devemos olhar para os animais e então corrigir nossos algoritmos — para ver como eles reagem a este cenário e como nossos algoritmos de controle reagem."