En växande robotikencyklopedi karakteriserar robotar baserat på deras prestanda

16 mars 2025 Detta artikel har granskats enligt Science X:s redaktionella process och riktlinjer. Redaktörerna har framhävt följande egenskaper samtidigt som de säkerställt innehållets trovärdighet: faktakontrollerad granskad av andra forskare pålitlig källa korrekturläst av Ingrid Fadelli, Tech Xplore Under de senaste decennierna har robotiker introducerat en mängd olika system med olika kroppar och olika förmågor. Medan antalet utvecklade robotar fortsätter att växa kan det vara mycket värdefullt att enkelt lära sig om dessa system, deras unika egenskaper, skillnader och prestanda på specifika uppgifter. Forskare vid Technical University of Munich (TUM) skapade nyligen "Robotarnas träd", en ny encyklopedi som kan göra det lättare att lära sig om befintliga robotssystem och jämföra dem. Deras robotenciklopedi, som presenterades i en artikel publicerad i Nature Machine Intelligence, kategoriserar robotar utifrån deras prestanda på olika uppgifter. "Drömmen om intelligenta robotar som kan förstå sin miljö som vi människor och utföra uppgifter självständigt har funnits för länge," berättade Robin Jeanne Kirschner, försteförfattare till artikeln, för Tech Xplore. "Den aktiva utvecklingen av taktila robotar – robotar som kan förstå sin omgivning genom känseln – började för cirka 20 år sedan. Denna resa började med skapandet av lätta system utrustade med momentgivare i varje led. Sedan dess har vi sett förbättrad teknik, bättre kontroller och nya reaktionsscheman, vilket har möjliggjort utvecklingen av system som är skickliga på att utföra uppgifter och uppfatta omgivningen genom beröring." De flesta standarder och metoder för att klassificera robotar som har introducerats hittills tar inte hänsyn till systemens förmåga att anpassa sig till sin omgivning och framgångsrikt interagera med närliggande objekt genom beröring. Denna avgörande förmåga påverkar både robotars säkerhet och deras prestanda på specifika uppgifter, som sträcker sig över olika verkliga tillämpningar. "Fokuset för systemklassificering förblir separerat baserat på individuella mekaniska egenskaper, nya kontrollfunktioner och certifieringar som enbart baseras på de mekaniska strukturerna hos sensorsystemen istället för deras faktiska prestanda," sa Kirschner. "Denna snäva metod förbiser ofta samspel av komponenter och den grundläggande syftet med en robotenhet: att hjälpa till att utföra uppgifter, vilket kräver specifika egenskaper." För att övervinna begränsningarna hos befintliga metoder för robotklassificering började Kirschner och hennes kollegor testa olika befintliga system, fokusera på egenskaper som påverkar deras säkerhet, som deras förmåga att upptäcka kontakt med andra objekt. Samtidigt genomförde de också en djupgående analys av robotikuppgifter, där de härledde flera metriker som indikerar robotars förmågor förutom säkerhet, till exempel påverkan på deras förmåga att framgångsrikt utföra taktila uppgifter och bekvämt interagera med människor. "Genom att testa flera robotmanipulatorer kunde vi sedan härleda alla dessa metriker och visa att taktilitetsanpassningen hos dessa system varierar avsevärt och kräver en korrekt klassificering och en encyklopedi – Robotarnas träd," sa Kirschner. "Som ett resultat har vi etablerat AI Robot Performance and Safety Center – ett dedikerat laboratorium utrustat med avancerade mätinstrument för att utvärdera robotprestanda. Med dessa resurser siktar vi på att utöka 'Robotarnas träd', en viktig encyklopedi för robotikområdet." Robotarnas träd-encyklopedin är avsedd att kontinuerligt uppdateras över tiden och ska till sist fungera som en Wikipedia-liknande plattform som innehåller information om robotar och deras förmågor. Den innehåller en bred informationsbas som sträcker sig från robotarnas grundläggande kroppar till motorer och/eller sensorer de förlitar sig på och deras resulterande kapaciteter, specifikt känslighet och pålitlighet vid fysiska interaktioner (dvs. taktilitetsanpassning) och precisionsrörelser (dvs. rörelseanpassning). "Medan vi började med att analysera och klassificera befintliga stationära manipulatorer med hjälp av de metriker vi definierade specifikt för industriella tillämpningar, måste encyklopedin växa för att omfatta andra robotiska system för serviceuppgifter, som humanoider eller mobila robotar," förklarade Kirschner. "Syftet är att effektivt vägleda både maskinvara och programvaruutveckling inom robotik."I motsats till många tidigare utformade robotkategoriseringsmetoder, klargör Tree of Robots-encyklopedin tydligt de specialiserade förmågorna hos olika robotar. Dessutom grupperar den robotar i tre huvudgrupper baserat på deras taktila lämplighet, vilket indikerar i vilken utsträckning de är lämpliga för att slutföra specifika uppgifter. "Denna grundläggande insikt bör integreras i applikationsdesign, standardiseringsinsatser och framtida robotutveckling," sa Kirschner. "Genom att anpassa maskinvaru- och programvarukomponenter för att uppnå optimal prestanda för en given process - istället för att utforma processer som passar systemets begränsningar - kan vi främja robotik till nya nivåer av effektivitet och effektivitet." Den nya encyklopedin utvecklad av Kirschner och hennes kollegor kan informera framtida forskning, till exempel genom att hjälpa andra datavetare och robotiker att identifiera de bästa systemen för att testa sina algoritmer. Samtidigt planerar forskarna att fortsätta lägga till information i Tree of Robots, inklusive andra robotiska system och andra relevanta mätvärden. "Vi utökar nu vårt arbete i flera riktningar," tillade Kirschner. "Mitt fokus ligger på att koppla dessa kritiska resultat för att säkerställa människors säkerhet i samarbeten och betona en robots taktila förmågor. Målet är att uppnå certifierat säkra applikationer med taktila robotiska system. Tillsammans med andra team utforskar vi också hur vi kan utöka trädet av robotar inom andra områden, såsom system designade för tjänste- och vårduppgifter och inklusive exempelvis humanoida system." Mer information: Robin Jeanne Kirschner et al, Kategorisering av robotar efter prestanda i trädet av robotar, Nature Machine Intelligence (2025). DOI: 10.1038/s42256-025-00995-y. © 2025 Science X Network