- Исследователи из Северо-Западного университета создали модульного робота, который сохраняет подвижность даже после серьёзных повреждений.
- Один модуль может соединяться с другим в трёх ориентациях и 18 точках, что даёт 435 вариантов двухмодульной конструкции.
- В испытаниях робот передвигался по траве, гравию и грязи, а после потери частей продолжал движение за счёт перестройки поведения.
Исследователи из Северо-Западного университета в Иллинойсе представили модульного робота, чьи движения и форма были подобраны с помощью ИИ. Машина может продолжать движение даже после серьёзной поломки или отделения части модулей. Результаты работы уже опубликованы университетом и в журнале PNAS.
Вместо обычного подхода, когда робота проектируют под заранее известные условия, команда дала алгоритму набор простых модулей и цель — найти самые эффективные способы перемещения. Дальше ИИ перебрал тысячи виртуальных конфигураций и протестировал их в симуляции на сложной местности и при разных повреждениях. Лучшие варианты затем собрали в реальном устройстве.
Основа конструкции — небольшие автономные блоки с батареей, мотором, платой управления и датчиками. Каждый такой модуль умеет катиться, вращаться и подпрыгивать сам по себе. В составе общей машины они обмениваются данными и образуют более сложные схемы движения: могут ползти, прыгать, перекатываться и выравниваться после переворота. Пятимодульную версию научили, например, поворачиваться в воздухе на 66 градусов и самостоятельно возвращаться в рабочее положение.
Ключевая идея проекта — не жёстко прописывать реакцию на каждую поломку, а обучить систему общим правилам успешного движения. Для этого исследователи использовали модель, которая по недавней истории сигналов от внутренних датчиков предсказывает следующее действие. Такой подход помог роботу сохранять функциональность даже в сценариях, которых он раньше не встречал: после потери одной или двух конечностей и даже в конфигурации, где оставался всего один модуль.
Авторы подчёркивают, что технология пока далека от практического применения. У робота нет внешних датчиков: он не видит препятствия, не строит карту местности и действует медленно. Но уже сейчас система показала, что эволюционный подбор формы и движений можно перенести из компьютерной симуляции в физический мир без полной потери работоспособности.
Робототехника всё чаще использует генеративные и обучающиеся модели не только для управления, но и для поиска самой конструкции машины. В этом проекте исследователи сделали ставку на живучесть: робот должен не просто идти вперёд, а сохранять эту способность после изменения собственного тела.
Для робототехники это показывает путь к машинам, которые не останавливаются после частичной поломки и не требуют заранее прописанных сценариев на каждый случай. Для полевых и исследовательских задач это может снизить зависимость от идеально предсказуемых условий.
