Содизайн неполноприводного прыгающего робота: сравнительный анализ виртуального и натурного экспериментов

Рассмотрены прямая и обратная задачи проектирования неполноприводного прыгающего робота, способного осуществлять энергоэффективную динамическую локомоцию. Представлено решение прямой задачи проектирования: имитационное моделирование робота в виртуальной среде в целях изучения его поведения и производительности. Приведено решение обратной задачи проектирования: формирование требований и поиск параметров робота, обеспечивающих его наилучшую производительность. Содизайн заключается в одновременном поиске механической конструкции и траекторий движения робота; оценка поведения и производительности рассматриваемой системы осуществляется в виртуальной имитационной среде. Так как имитационное моделирование не в полной мере отражает протекающие в реальной жизни процессы, апробированные исключительно в виртуальной среде результаты проектирования не могут в полной мере описывать результаты реального эксперимента и заменять их. Сравниваются результаты виртуального и натурного экспериментов макета неполноприводного прыгающего робота, приведено обоснование расхождений полученных данных.

1. Raiola G. et al. Development of a safety-and energy-aware impedance controller for collaborative robots // IEEE Robotics and automation letters. 2018. Vol. 3, N 2. P. 1237—1244.

2. Rothling F. et al. Platform portable anthropomorphic grasping with the bielefeld 20-DOF shadow and 9-DOF TUM hand // 2007 IEEE/RSJ Intern. Conf. on Intelligent Robots and Systems. IEEE, 2007. P. 2951—2956.

3. Lee J. et al. Learning quadrupedal locomotion over challenging terrain // Science robotics. 2020. Vol. 5, N 47. P. eabc5986.

4. Thomaszewski B. et al. Computational design of linkage-based characters // ACM Transactions on Graphics (TOG). 2014. Vol. 33, N 4. P. 1—9.

5. Roy N. et al. From Machine Learning to Robotics: Challenges and Opportunities for Embodied Intelligence // arXiv preprint arXiv:2110.15245. 2021.

6. Müller V. C., Hoffmann M. What is morphological computation? On how the body contributes to cognition and control // Artificial life. 2017. Vol. 23, N 1. P. 1—24.

7. Folkertsma G. A., van der Schaft A. J., Stramigioli S. Morphological computation in a fast-running quadruped with elastic spine // IFAC-PapersOnLine. 2015. Vol. 48, N 13. P. 170—175.

8. Howard D. et al. Evolving embodied intelligence from materials to machines // Nature Machine Intelligence. 2019. Vol. 1, N 1. P. 12—19.

9. Chen F., Wang M. Y. Design optimization of soft robots: A review of the state of the art // IEEE Robotics & Automation Magazine. 2020. Vol. 27, N 4. P. 27—43.

10. Pinskier J., Howard D. From bioinspiration to computer generation: Developments in autonomous soft robot design // Advanced Intelligent Systems. 2022. Vol. 4, N 1. P. 2100086.

11. Borisov I. I. et al. Computational design of reconfigurable underactuated linkages for adaptive grippers // 2021 IEEE/RSJ Intern. Conf. on Intelligent Robots and Systems (IROS). IEEE, 2021. P. 6117—6123.

12. Borisov I. I. et al. Reconfigurable Underactuated Adaptive Gripper Designed by Morphological Computation // 2022 Intern. Conf. on Robotics and Automation (ICRA). IEEE, 2022. P. 1130—1136.

13. Rethinking Building Skins: Transformative Technologies and Research Trajectories / Ed. by E. Gasparri et al. Woodhead Publishing, 2021.

14. Sims K. Evolving virtual creatures // Proc. of the 21st Ann. Conf. on Computer graphics and interactive techniques. 1994. P. 15—22.

15. Geijtenbeek T., Van De Panne M., Van Der Stappen A. F. Flexible muscle-based locomotion for bipedal creatures // ACM Transactions on Graphics (TOG). 2013. Vol. 32, N 6. P. 1—11.

16. Wang T. et al. Neural graph evolution: Towards efficient automatic robot design // arXiv preprint arXiv:1906.05370. 2019.

17. Zhao A. et al. Robogrammar: graph grammar for terrain-optimized robot design // ACM Transactions on Graphics (TOG). 2020. Vol. 39, N 6. P. 1—16.

18. Marhefka D. W., Orin D. E. Simulation of contact using a nonlinear damping model // Proc. of IEEE Intern. Conf. on robotics and automation. IEEE, 1996. Vol. 2. P. 1662—1668.

19. Hwang Y. et al. An order n dynamic simulator for a humanoid robot with a virtual spring-damper contact model // 2003 IEEE Intern. Conf. on Robotics and Automation (Cat. No. 03CH37422). IEEE, 2003. Vol. 1. P. 31—36.

20. Horowitz P., Hill W., Robinson I. The art of electronics. Cambridge: Cambridge university press, 1989. Vol. 2. P. 658.

21. Nagymáté G., Kiss R. M. Application of OptiTrack motion capture systems in human movement analysis: A systematic literature review // Recent Innovations in Mechatronics. 2018. Vol. 5, N 1. P. 1—9.