Uma equipe de pesquisadores da Universidade de Harvard e do Wyss Institute for Biologicamente Inspired Engineering desenvolveu recentemente uma estrutura computacionalmente eficiente para a estimativa e controle das trajetórias das pernas em um microrrobô quadrúpede. A abordagem deles, descrito em um artigo pré-publicado no arXiv, alcançou estimativa e controle de posição precisa, e o robô se moveu em uma ampla faixa de frequências de passada (10-50 Hz).

Animais terrestres, animais que vivem e se movem predominantemente ou inteiramente na terra, navegue por terrenos naturais usando uma variedade de trajetórias de perna complexas. A escolha das trajetórias das pernas muitas vezes depende de uma série de fatores morfológicos, como sua postura, cinemática do quadril e perna, designs de tornozelo e pé e capacidades de atuação.

"Os animais também modificam as trajetórias de suas pernas para atender aos requisitos de desempenho, como velocidade, estabilidade e economia, bem como para se adaptar a fatores externos, como tipo de terreno e propriedades da superfície, "os pesquisadores escreveram em seu artigo." Inspirados por suas contrapartes biológicas, robôs bípedes e quadrúpedes grandes (comprimento do corpo ~ 100 cm) normalmente têm dois ou mais graus de liberdade acionados (DOF) por perna para permitir trajetórias de perna complexas. "

No passado, devido a limitações na atuação, detecção e computação, robôs de pernas pequenas só podiam alcançar locomoção eficaz por meio de ajustes cuidadosos, trajetórias de perna mediadas mecanicamente. Recentemente, Contudo, os avanços na fabricação permitiram o desenvolvimento de robôs de pernas minúsculas que podem operar em frequências de passadas múltiplas e com trajetórias de pernas multi-DOF.

Atualmente, robôs bi e quadrúpedes de inspiração biológica empregam uma variedade de esquemas de controle, que permitem que eles se adaptem a diferentes ambientes e requisitos de desempenho. Estudos anteriores propuseram uma variedade de abordagens para alcançar locomoção estável e dinâmica em pequenos robôs com pernas, incluindo algoritmos de otimização, controladores usando modelos cinemáticos estocásticos e algoritmos de aprendizagem de reforço profundo. Apesar dos resultados promissores alcançados por muitos desses métodos, cada um deles vem com seu próprio conjunto de limitações.

O Harvard Ambulatory MicroRobot (HAMR), que usa atuadores de dobra piezoelétricos de alta largura de banda, foi encontrado para alcançar uma locomoção rápida, no entanto, sua operação de alto desempenho ainda é limitada a uma faixa estreita de frequências de passada. Em seu estudo recente, a equipe de pesquisadores da Universidade de Harvard e do Wyss Institute decidiu desenvolver uma nova abordagem que pudesse atingir a locomoção eficaz do robô HAMR em frequências de passadas múltiplas.

"Nesse trabalho, alavancamos a detecção concomitante para a atuação piezoelétrica para desenvolver uma estrutura computacionalmente eficiente para estimativa e controle das trajetórias das pernas em um microrrobô quadrúpede, "os pesquisadores escreveram em seu artigo." Demonstramos uma estimativa precisa da posição ( <16% de erro médio quadrático) e controle ( <16% da raiz quadrada média de erro de rastreamento) durante a locomoção em uma ampla faixa de frequências de passada (10-50 Hz). "

HAMR é um microrrobô quadrúpede de 4,5 cm de comprimento que pesa 1,4 g. Cada uma de suas pernas tem dois DOFs, que são acionados por atuadores de flexão piezoelétricos controlados com sinais de tensão CA. A abordagem desenvolvida pelos pesquisadores estima as posições e velocidade das pernas, em seguida, usa essas estimativas para gerar uma variedade de trajetórias de perna para melhorar a locomoção.

Este método permitiu que explorassem duas trajetórias paramétricas de perna, investigando a influência do escorregamento da perna, rigidez, tempo e energia no desempenho da locomoção. Esta varredura de parâmetro resultou em um mapa de desempenho experimental, permitindo que eles selecionem parâmetros de controle e determinem as trajetórias das pernas que maximizam o desempenho em uma determinada marcha e frequência de passada. Usando esses parâmetros, os pesquisadores alcançaram um desempenho notável em uma ampla gama de frequências de passada.

"No futuro, pretendemos usar este controlador de baixo nível em conjunto com a otimização de trajetória para projetar trajetórias de perna viáveis ​​que otimizam um determinado custo (por exemplo, velocidade, BERÇO, etc.) em uma condição operacional específica, "os pesquisadores escreveram em seu artigo." Isso pode automatizar a tarefa desafiadora de projetar trajetórias de perna adequadas para um sistema de pernas complexo e resultar em melhor desempenho de locomoção.

Os resultados obtidos neste estudo recente sugerem que o HAMR é uma plataforma altamente eficiente para testar hipóteses relacionadas à locomoção biológica. No futuro, o controlador desenvolvido pelos pesquisadores também pode ser combinado com controladores de locomoção de corpo inteiro computacionalmente eficientes para obter um rastreamento preciso das trajetórias das pernas durante diferentes tipos de locomoção, por exemplo, quando o robô está nadando ou escalando.

© 2019 Science X Network