Nature封面:仿生群体机器人问世,工程学重大突破

作者: 金磊 2019-03-23 11:54:40

 

 Nature 封面发布重大工程学突破——仿生物细胞群体机器人问世。这个“粒子机器人”,具有超强的鲁棒性和更高的可扩展性,实现了光向导运动和躲避障碍物。

优秀!一位中国年轻小伙儿完成重大工程学突破!

今日,Nature 封面刊登了一篇重磅研究成果——仿生物细胞群体机器人问世!为开发大规模机器人系统提供全新途径。

这篇论文的作者是一位中国年轻小伙儿李曙光。李曙光本科毕业于西安的西北工业大学,获得机械与航空航天工程学士学位,目前在哈佛大学任博士后研究员。

李曙光的多项机器人研究发表在 Nature、美国国家科学院院刊(PNAS)、Science 等杂志上。

其主要突破性的研究成果包括:

  • 该“粒子机器人”系统可以实现鲁棒的运动和物体移动,以及光导向运动和避障;

  • 与已有的仿生机器人系统相比具有更高的可扩展性和鲁棒性;

  • 证明了随机性为开发具有鲁棒的确定性行为大规模群体机器人系统提供了一种有希望的方法。

李曙光团队的研究成果,为其它众多领域开辟了一片新天地。

德国马克斯⋅普朗克智能系统研究所科学家评价认为:

这种全新机器人具有传统机器人系统所没有的可扩展控制和鲁棒性——这是一种抗干扰能力参数,也是在异常和危险情况下系统生存的关键。

将来,若是该粒子机器人系统的大小能够达到微米级别,那么将在医疗等众多领域带来深远的影响和重大的突破。

突破性“粒子机器人”:轻松完成光导向运动、搬运物体和避障

在生物系统中,大规模的行为可以通过随机移动的小规模组件的群体耦合和协调来实现。例如,在伤口愈合和癌症扩散的过程中,活细胞聚集并群体迁移。

受到这些生物机制的启发,李曙光等发表在《自然》杂志上关于群体机器人系统的论文结果表明,随机性为开发具有鲁棒的确定性行为大规模群体机器人系统提供了一种有希望的方法。

地址:https://www.nature.com/articles/d41586-019-00839-x

在该系统中,圆形的部件不能彼此独立运动,也不能单独操作。此外,每个部件只能通过沿其半径振荡、伸展和收缩来移动。作者将这种极简主义的方法称为“粒子机器人”。

在没有外部刺激的情况下,系统只能随机移动。然而,当组件被编程来调整它们的直径以响应不同的环境信号时,就会集体向信号源移动。

粒子机器人群体向光源移动

粒子机器人群体躲避障碍物

粒子机器人群体搬运物体

李曙光等人提出了粒子机器人系统实验包含多达二十多个组件,以及多达 10 万个组件的仿真。在振荡过程中,每个元件的直径从 15.5 厘米到 23.5 厘米不等。

作者表明,该系统可以实现鲁棒的运动和物体移动,以及光导向运动和避障,如图 1 所示。

图1  创新的群体机器人系统

李曙光等人提出了一种机器人系统,它由许多松散耦合、随机移动、厘米级的组件组成。每个组件只能通过沿其半径摆动,通过伸展和收缩来移动。在这种振荡期间,组件的颜色代表它们的直径,绿色是小的、蓝色是大的;用于测试系统鲁棒性的故障组件用栗色表示。作者表明,他们的系统能够在躲避障碍物的同时,随着时间的推移,向环境信号(例如光源)表现出确定性的运动。

值得注意的是,在这个系统中,即使有 20% 的组件发生了故障,系统也可以正常运作,这突出了粒子机器人方法对单个组件故障的鲁棒性。

以往的研究主要考虑组件可以彼此独立移动,可以单独操作,并且基于相对复杂的确定性设计,它们具有一些缺陷:

  • 大多数群体机器人系统在允许的配置方面具有有限的灵活性,而那些非晶态系统通常包含的组件具有有限的可扩展性;

  • 此外,许多这些系统需要某种程度的集中控制,这进一步限制了它们的能力和可扩展性。

在这些方面,李曙光等人提出的粒子机器人除了受到生物系统的启发,该技术还受到统计物理现象的驱动,可以对大量随机组件的全局统计行为进行建模和控制,而无需跟踪每个组件。

因此,该方法与其他方法相比具有明显的优势,特别是当扩展组件数量和缩小每个组件的大小时。

然而,作者的系统也有一些缺陷:

  • 首先,如果在组件集合的位置没有环境信号梯度,系统就不能向信号源移动;

  • 其次,组件需要从手动配置的位置开始,因为它们不能独立移动以相互接合;

  • 第三是实验证明的元件数量有限,速度较慢,体积较大,在不久的将来,该系统应该会扩展到更多更快更小的组件(甚至可能是微米级的组件);

  • 第四,由于聚合的随机性以及组件的随机放置和耦合,该技术不适用于诸如定向自组装和自组织成复杂的预定几何形状的任务。

由于小型机器人技术的进步,设计和制造大量随机或确定性部件成为可能,这些部件能够表现出与粒子机器人系统类似的群体、群集行为。

在过去几年中,通过设计各个单元之间的磁相互作用,产生了具有明确群体行为的移动微型机器人群体。

一般来说,控制这种群集行为的主要策略依赖于单元对诸如磁场等远程控制的全局场的响应。尽管很难单独或局部处理每个单元,但单元之间的群体耦合交互可以全局控制,从而产生可编程的局部交互、自组装和群体行为。

该方法已被用于在空气和水之间的界面处实现合成微生物群的群体二维组装、拆卸和操纵。

未来工作

在不久的将来,展示这种群体机器人系统的潜在高影响工程和医学应用将是至关重要的,而使用其他技术是不可能实现的。

成群的随机细菌驱动的微机器人可以使用粒子机器人技术将药物运送到目标区域,到达人体内部难以到达的区域。

这些菌群可能受化学梯度、氧梯度或癌组织环境 pH 值变化的影响。事实上,许多研究已经表明,群体细菌驱动的微虫群在靶向药物递送、医学诊断和环境传感方面具有潜在的应用。

李曙光简介

李曙光,2006 年提前攻博至航天学院师从袁建平教授,主要研究方向为智能机器人与机构。本科和硕士阶段(2000-2007)就读于西北工业大学机电学院,导师为王俊彪教授。

2008 年 9 月~2009 年 11 月,在国家留学基金委“国家建设高水平大学公派研究生项目”和美国康奈尔大学奖学金资助下,以联合培养博士生身份赴美公派留学。

自 2015 年以来,李曙光在哈佛大学 Wyss Institute for Biologically Inspired Engineering 和 John A. Paulson School of Engineering and Applied Sciences 任 Robert Wood 教授的博士后研究员。

同时,李曙光也隶属于 MIT 计算机科学与人工智能实验室,自 2014 年以来与 Daniela Rus 教授合作。

主要研究成果:

  • S.Li, D.Vogt, D.Rus, and R.J.Wood, “Fluid-driven origami-inspired artificial muscles”, Proceedings of the National Academy of Sciences (PNAS), 201713450, 2017.

  • S.Miyashita, S.Guitron, S.Li, and D.Rus, “Robotic metamorphosis by origami exoskeletons”, Science Robotics, 2(10):eaao4369, 2017. (Contributed the idea and designed the research).

  • S.Li, J.Yuan, Y.Shi, and J.C.Zagal, "Growing scale-free networks with tunable distributions of triad motifs", Physica A: Statistical Mechanics and its Applications, 428, 103-110, 2015.

  • F.Nigl, S.Li, J.Blum, and H.Lipson, “Autonomous Truss Reconfiguration and Manipulation Robot”, IEEE Robotics and Automation Magazine, Sept.2013.

  • S.Li, J.Yuan, and H.Lipson, “Ambient Wind Energy Harvesting using Cross-Flow Fluttering”, Journal of Applied Physics, 109(2), 2011.

  • S.Li and H.Lipson, “Vertical-Stalk Flapping-Leaf Generator For Wind Energy Harvesting”, Proceedings of the ASME/AIAA 2009 Conference on Smart Materials, Adaptive Structures and Intelligent Systems, SMASIS2009, Oxnard, CA, USA, September 2009. (Best student paper award).

机器人 人工智能 系统
上一篇:从零开始学好人工智能,其实不难 下一篇:案例分享:用SAP Conversational AI构建聊天机器人
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

MIT提出Liquid机器学习系统,可像液体一样适应动态变化

麻省理工学院(MIT)的研究者开发出了一种新型的神经网络,其不仅能在训练阶段学习,而且还能持续不断地适应。

机器之心 ·  2021-02-21 15:47:47
规划智慧城市时,别忘了无障碍通行

要想成为一个智慧城市甚至一个智慧世界,虽然可能需要时间和有针对性的规划,但我们必须以人为本。

蒙光伟 ·  2021-02-21 10:26:41
2021关于人工智能的五大趋势

数字化变革,比过去10年更多,这主要是由于远程工作的规模,以及企业迅速部署了必要的技术,尤其是与网络安全相关的技术。那,2021关于人工智能的五大趋势会是如何的呢?

Lichu ·  2021-02-21 10:21:01
使数据中心更智能:人工智能如何发挥作用?

随着数据成为维持几乎所有业务运营以获取洞察力和业务成果的先决条件,数据中心正处于这种数字化转型的关键。

Cassie ·  2021-02-21 10:14:59
IBM拟出售Watson Health后,AI医疗还能不能碰

医疗服务仍然是一块商业上尚未被完全发掘的市场,看病难/看病贵、医疗资源紧缺、医疗资源不平均等痛点问题长期存在,对应的市场空间理应是巨大的。而Watson Health作为IBM曾寄予厚望的业务方向,为何要在此时萌生退意?它的故事给业界带来哪些启发?眼下的AI医疗市场,究竟是一副什么样的局面呢?

物联传媒 ·  2021-02-21 08:41:16
抛弃归一化,深度学习模型准确率却达到了前所未有的水平

我们知道,在传递给机器学习模型的数据中,我们需要对数据进行归一化(normalization)处理。

机器之心 ·  2021-02-20 21:09:12
华人博士生首次尝试用两个Transformer构建一个GAN

最近,CV 研究者对 transformer 产生了极大的兴趣并取得了不少突破。这表明,transformer 有可能成为计算机视觉任务(如分类、检测和分割)的强大通用模型。

Yifan Jiang ·  2021-02-20 21:04:53
无监督训练用堆叠自编码器是否落伍?ML博士对比了8个自编码器

柏林工业大学深度学习方向博士生 Tilman Krokotsch 在多项任务中对比了 8 种自编码器的性能。

Tilman Krokotsch ·  2021-02-20 20:57:16
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载