Soft-Roboter: Sensorisierte Haut sorgt für das Körpergefühl

• Soft-Roboter lassen sich nur schwer im Raum steuern, da sich sich in alle Richtungen bewegen können.
• Flexible Sensoren ermöglichen Robotern die Rückmeldung über die Position ihrer Gliedmaßen.
• Deep-Learning-Verfahren helfen, die Empfindlichkeit der Sensorik zu verbessern.

Flexible Sensoren und ein Modell der künstlichen Intelligenz sagen dem verformbaren Soft-Roboter, wie seine Gliedmaßen in einer 3D-Umgebung positioniert sind.

Zum ersten Mal haben Forscher des MIT einem Soft-Roboter ermöglicht, die Konfiguration seines Arms im 3D-Raum zu verstehen. Dazu haben sie die Bewegungs- und Positionsdaten der „sensorisierten“ Haut des Roboters genutzt.

Soft-Roboter, die aus sehr nachgiebigen, lebenden Organismen nachempfundenen Materialien konstruiert sind, gelten vielfach als sicherere und anpassungsfähigere, widerstandsfähigere und bioinspirierte Alternative zu traditionellen starren Robotern. Aber eine autonome Kontrolle für diese flexiblen Robotern erweist sich als fast aussichtsloses Unterfangen, weil sie sich zu jedem Zeitpunkt in eine praktisch unendliche Anzahl von Richtungen bewegen können. Das macht es schwierig, Planungs- und Steuerungsmodelle für die Automatisierung zu trainieren.

Traditionelle Methoden für eine autonome Steuerung bedienen sich umfangreicher Systeme mit mehreren Motion-Capture-Kameras, die den Robotern ein Feedback über die 3D-Bewegungen und Positionen geben. Aber diese erweisen sich für Soft-Roboter in der realen Welt als unpraktisch.

In einem Artikel, der in der Zeitschrift IEEE Robotics and Automation Letters veröffentlicht wird, beschreiben die Forscher ein System mit flexiblen Sensoren, die den Körper eines Roboters bedecken, um die Propriozeption zu ermöglichen, also die Selbstwahrnehmung von Bewegung und Position des Körpers. Dieses Feedback fließt in ein neuartiges Tiefenlernmodell ein, das das Rauschen herausfiltert und klare Signale erfasst, um die 3D-Konfiguration des Roboters abzuschätzen. Die Forscher überprüften ihr System an einem weichen, einem Elefantenrüssel ähnlichem Roboterarm, der seine eigene Position vorhersagen kann, während er sich selbstständigt umher bewegt und ausdehnt.

Die Sensoren lassen sich aus handelsüblichen Materialien herstellen, so dass jedes Labor seine eigenen Systeme entwickeln kann, sagt Ryan Truby, ein Postdoc des MIT Computer Science and Artificial Laboratory (CSAIL), der zusammen mit dem CSAIL-Postdoc Cosimo Della Santina Erstautor der Arbeit ist.

Soft-Roboter: Rückmeldung vom Sensor, nicht von der Kamera

„Wir sensorisieren Soft-Roboter, um Rückmeldungen für die Steuerung von Sensoren und nicht von Bildverarbeitungssystemen zu erhalten, wobei wir eine sehr einfache und schnelle Herstellungsmethode verwenden“, sagt er. „Wir wollen diese Soft-Roboter-Rüssel zum Beispiel dazu verwenden, sich selbst automatisch zu orientieren und zu steuern, Dinge zu ergreifen und mit der Welt zu interagieren. Dies ist ein erster Schritt hin zu dieser Art von anspruchsvollerer automatischer Steuerung.“

Ein zukünftiges Ziel besteht darin, die Herstellung von Prothesen zu unterstützen, die Objekte in der Umwelt geschickter handhaben und manipulieren können. „Denken Sie an Ihren eigenen Körper: Sie können Ihre Augen schließen und die Welt über das Feedback Ihrer Haut rekonstruieren“, sagt Co-Autorin Daniela Rus, Direktorin am CSAIL und Andrew-und-Erna-Viterbi-Professorin für Elektrotechnik und Informatik. „Wir wollen dieselben Fähigkeiten für Soft-Roboter entwerfen“.

Formgebung für weiche Sensoren

Ein langjähriges Ziel für Soft-Roboter sind vollständig integrierte Körpersensoren. Herkömmliche starre Sensoren widersetzen sich der natürlichen Nachgiebigkeit eines weichen Roboterkörpers, erschweren die Konstruktion und Fertigung und können verschiedene mechanische Fehler verursachen. Auf weichen Materialien basierende Sensoren sind eine bessere Alternative, sie erfordern aber spezielle Materialien und Methoden für ihre Konstruktion. Das erschwert es vielen Robotik-Laboren, sie herzustellen und in Soft-Roboter zu integrieren.

Als er in seinem CSAIL-Labor arbeitete und nach Inspiration für Sensormaterialien suchte, entdeckte Truby eine interessante Verbindung. „Ich fand diese Platten aus leitfähigen Materialien, die zur Abschirmung elektromagnetischer Interferenzen verwendet werden und die man überall in Rollen kaufen kann“, sagt er. Diese Materialien haben „piezoresistive“ Eigenschaften, sie ändern also unter Belastung ihren elektrischen Widerstand. Truby erkannte, dass sie sich für wirksame weiche Sensoren eignen können, wenn sie an bestimmten Stellen des Rumpfes angebracht werden. Wenn sich der Sensor als Reaktion auf die Dehnung und Stauchung des Rumpfes verformt, wird sein elektrischer Widerstand in eine bestimmte Ausgangsspannung umgewandelt. Die Spannung dient dann als ein Signal, das mit einer solchen Bewegung korreliert.

Material nicht auf Anhieb für Soft-Roboter geeignet

Aber das Material dehnt sich nicht nur in Grenzen, was seiner Verwendung für Soft-Roboter im Wege stehen würde. Inspiriert von Kirigami — einer Variation des Origami, bei der Schnitte in ein Material gemacht werden — entwarf Truby rechteckige Streifen aus leitfähigen Silikonplatten, die er mit dem Laser in verschiedene Muster schnitt, wie zum Beispiel Reihen winziger Löcher oder sich kreuzende Scheiben wie ein Zaun aus Kettengliedern. Das machte sie deutlich flexibler und dehnbarer, „und schön anzuschauen“, wie Truby anmerkt.

Der robotische Rüssel der Forscher besteht aus drei Segmenten mit jeweils vier fluidischen Aktuatoren (insgesamt zwölf), die den Arm bewegen. Auf jedes Segment brachten sie einen Sensor auf, wobei jeder Sensor einen eingebetteten Aktuator im Soft-Roboter abdeckt und dessen Daten einsammelt. Sie verwendeten das Plasma Bonding, eine Technik, die eine Oberfläche mit einem anderen Material verbindet. Es dauert ein paar Stunden, um Dutzende Sensoren zu formen, die mit einem handgeführten Plasma-Bonding-Gerät an die Soft-Roboter geklebt werden können.

Lernende Konfigurationen

Wie vermutet, haben die Sensoren die allgemeine Bewegung des Rumpfes erfasst. Sie erzeugten jedoch viel Signalrauschen. „Ganz grundsätzlich sind sie in vielerlei Hinsicht nicht-ideale Sensoren“, sagt Truby. „Aber das ist nur eine gängige Tatsache bei der Herstellung von Sensoren aus weichem, leitfähigem Material. Leistungsstärkere und zuverlässigere Sensoren erfordern spezielle Werkzeuge, die den meisten Roboterlabors fehlen.“

Um die Konfiguration der Soft-Roboter nur mit Hilfe der Sensoren einzuschätzen, bauten die Forscher ein tiefes neuronales Netzwerk für den Großteil der schweren Hebearbeiten auf, indem sie das Rauschen heraussieben, um aussagekräftige Feedbacksignale zu erfassen. Die Forscher entwickelten ein neues Modell, um die Form des Soft-Roboters kinematisch zu umschreiben. Es reduziert die für die Verarbeitung des Modells erforderlichen Variablen erheblich.

In Experimenten ließen die Forscher den Rumpf umher schwingen und sich in zufälligen Konfigurationen über etwa anderthalb Stunden ausdehnen. Sie verwendeten das traditionelle Motion-Capture-System für die Datengewinnung. In der Ausbildung analysierte das Modell die Daten seiner Sensoren, um eine Konfiguration vorherzusagen, und verglich seine Vorhersagen mit den gleichzeitig gesammelten Testdaten. Auf diese Weise „lernt“ das Modell, die Signalmuster seiner Sensoren auf reale Konfigurationen abzubilden. Die Ergebnisse zeigten, dass die geschätzte Form des Roboters bei bestimmten und stabileren Konfigurationen mit den Testdaten übereinstimmte.

Sensor-Designs für eine verbesserte Empfindlichkeit

Als nächstes wollen die Forscher neue Sensor-Designs für eine verbesserte Empfindlichkeit erforschen und neue Modelle und Deep-Learning-Verfahren entwickeln, um den Schulungsaufwand für jeden neuen Soft-Roboter zu reduzieren. Sie hoffen auch, das System verfeinern zu können, um die Dynamik des Roboters besser zu erfassen.
Derzeit sind das neuronale Netz und die Sensorhaut nicht empfindlich genug, um subtile oder dynamische Bewegungen zu erfassen. Aber für den Moment sei dies ein wichtiger erster Schritt für lernbasierte Ansätze zur Soft-Roboter-Steuerung, ist sich Truby sicher. „Wie unsere Soft-Roboter müssen lebende Systeme nicht völlig präzise sein. Der Mensch ist im Vergleich zu unseren starren Roboter-Pendants keine präzise Maschine, und wir machen das sehr gut.“

Bild: Forscher des MIT haben eine „sensorisierte“ Haut mit von Kirigami inspirierten Sensoren geschaffen, die Soft-Robotern ein größeres Bewusstsein für die Bewegung und Position ihrer Körper verschafft. Bildquelle: Ryan L. Truby, MIT CSAIL

Weitere Informationen: https://www.csail.mit.edu/

Erfahren Sie hier mehr darüber, wie sich Roboter für die additive Fertigung programmieren lassen.

Lesen Sie auch: „Maschinelles Lernen: In unter einer Stunde zum Modell für den Use Case“.