Інженери створили робота, який складається з пов'язаних пружинами жорстких ребер, а для підбору оптимальної ходи пристрою використовуються методи машинного навчання. Завдяки цьому робот може витримувати удари і складатися без пошкоджень, а також вчиться ефективно пересуватися, навіть якщо частково пошкоджений, йдеться в препринті на arXiv.org.
Переважна більшість сучасних роботів справляється з поставленим завданням тільки в стані повної справності, що не дуже заважає на виробництві, де, як правило, налагоджений процес оперативного ремонту техніки, що вийшла з ладу, або лабораторних умовах, де інженери можуть спокійно усунути несправність і повторити експеримент. Однак в інших умовах - наприклад, при ліквідації аварій або дослідженні інших планет, - заміна робота або його ремонт можуть бути просто неможливі. Тому інженери постійно шукають нові рішення і не тільки проектують конструкції, стійкі до пошкодження, а й вирішують проблему пересування роботів, які частково зберегли працездатність при некритичній поломці.
Інженери Джон Ріффель (John Rieffel) і Жан-Батіст Муре (Jean-Baptiste Mouret) побудували робота з жорсткими і еластичними елементами каркаса, який витримує стиснення в плоский млинець, а також може при пошкодженні самостійно знайти найбільш підходящу походку. Робот являє собою конструкцію з шести жорстких ребер, пов'язаних один з одним 24 пружинами - пристрій побудовано відповідно до концепції напруженої цілісності, або тенсегріті (tensegrity, tensional integrity). На ребрах конструкції закріплені три вібромотори, змінюючи частоту вібрації яких можна керувати рухом пристрою.
Зазвичай при створенні роботів, в тому числі м'яких, інженери намагаються гасити вібрації, що виникають в конструкції пристрою, проте в даному випадку через напружену цілісність зміщення однієї частини конструкції відбивається на іншій, і розробники вирішили використовувати цей ефект для найбільш ефективного пересування - потрібна частота вібрації моторів викликає резонанс конструкції і робот починає крокувати, переставляючи вершини тенсегріті-каркаса.
Також розробники перевірили, чи можна за допомогою методів машинного навчання навчити такого робота ефективно ходити без ручної налагодження ходи. Робота тестували як у звичайній конфігурації, так і імітуючи пошкодження - для цього автори від'єднували одну з пружин. Навчання складалося з 30 «прогонів» після чого дослідники порівнювали швидкість переміщення роботів. Виявилося, що порівняно з випадковою вібрацією двигунів навчений неушкоджений робот ходить більш ніж удвічі швидше (в середньому 12 сантиметрів на секунду проти приблизно п'яти), причому пошкоджений робот за допомогою машинного навчання теж ходить швидше справного робота зі стандартною ходою, середня швидкість робота без однієї пружинки склала шість сантиметрів на секунду.
Автори також побудували новий прототип тенсегріті-робота, який працює не від живлення по кабелю, а від акумуляторів. У майбутньому вони планують навчити його іншим способам переміщення - наприклад, перекочування плоскою поверхнею.
Раніше ми писали і про іншу роботу Жана-Батіста Муре з оптимізації ходи у роботів - тоді він з колегами навчив гексапода адаптуватися до пошкоджених кінцівок. Під час дослідів дослідники навмисно пошкоджували по черзі кожну з ніг, а робот за допомогою акселерометрів визначав проблему і за допомогою комп'ютерного моделювання та бібліотеки рухів підбирав нову походку. У результаті після втрати контролю над однією з ніг робот через 40 секунд навчання відновлював до 96 відсотків від своєї початкової швидкості.
З інших розробок у цій галузі можна згадати швейцарських інженерів, які навчили гексаподів ходити ефективніше живих комах, а також розробників з Disney Research, які навчили роботів самостійно адаптуватися до змін конфігурації - наприклад, робот-павук зміг навчитися ходити вперед після того, як інженери приєднали до нього нові ноги.