MIT’s nieuwste vliegende robot op insectenschaal heeft de code gekraakt voor snelle, behendige vluchten. Het is klein genoeg om na een aardbeving in ingestorte gebouwen te glippen. Het is snel genoeg om puin dat uit onstabiele constructies valt, te overtreffen. Jarenlang waren microrobots traag. Ze dreven langs gladde, voorspelbare paden. Dankzij een nieuw AI-controlesysteem bootsen ze nu de grillige, krachtige manoeuvres van echte insecten na.
De gevolgen zijn onmiddellijk: betere zoek- en reddingsmogelijkheden. Maar de prestatiesprong is ook een overwinning voor de robotica-engineering zelf.
Waarom traditionele microrobots tekortschieten
Historisch gezien werden luchtmicrorobots geconfronteerd met twee harde beperkingen. Hardware was kwetsbaar. De besturingssoftware was rigide. Onderzoekers zouden lichtere frames en snellere vleugelactuators kunnen bouwen. Maar zonder een brein dat in staat was om complexe aerodynamica in realtime te verwerken, bleven die hardwarewinsten ongebruikt.
Mensen hebben de controllers met de hand afgesteld. Het was langzaam. Het was onnauwkeurig. De robot kon zijn eigen potentieel niet benutten.
Kevin Chen, universitair hoofddocent bij de afdeling Elektrotechniek en Computerwetenschappen van het MIT, leidde de opdracht om daar verandering in te brengen. Zijn team heeft niet alleen de hardware aangepast. Ze herbouwden het ‘brein’ van de robot. Het resultaat? Een systeem dat past bij de snelheid en behendigheid van levende insecten.
Hoe de AI-controller werkt
De oplossing is niet één enkel algoritme. Het is een tweedelig systeem.
Ten eerste gebruikt een deskundige planner een wiskundig model van de beweging van de robot. Het voorspelt gedrag. Het selecteert optimale acties voor complexe routes. Het kan scherpe bochten, steile hellingen en opeenvolgende salto’s aan. Deze planner is rekenintensief. Het vereist enorme kracht. Het kan niet in realtime op een microchip draaien.
Daarom gebruikten de onderzoekers deze krachtige planner als leraar.
Door middel van imitatieleer trainden ze een deep-learning-model om de beslissingen van de planner na te bootsen. Deze beleidsengine fungeert als de realtime beslisser van de robot. Het is lichtgewicht. Het is snel. Het legt de robuustheid van de complexe planner vast zonder de computeroverhead.
“Als er kleine foutjes binnensluipen, en je probeert die salto tien keer, dan crasht de robot. We hebben een robuuste vluchtcontrole nodig.”
Prestatiestatistieken: sneller en beweeglijker
De resultaten zijn kwantificeerbaar. Drastisch dus.
Vergeleken met eerdere demonstraties van het onderzoeksteam:
- Snelheid verhoogd met 447%
- Acceleratie verbeterd met 255%
In tests voltooide de robot 10 opeenvolgende lichaamsflips (salto’s) in slechts 11 seconden. Ondanks windverstoringen bleef het binnen 4 tot 5 centimeter van zijn doelpad. Dat precisieniveau op insectenschubben is ongekend.
De robot repliceerde ook een saccade. Insecten kantelen scherp, versnellen en duiken dan achteruit om te stoppen. Dit helpt hen een helder zicht te behouden tijdens snelle bewegingen. De microrobot kan het ook. Deze mogelijkheid zou het uiteindelijk mogelijk kunnen maken dat deze robots camera’s en sensoren aan boord kunnen hebben voor onafhankelijke navigatie.
De hardware achter de software
Je kunt geen snelle vlucht hebben met zwakke vleugels. Het nieuwste model heeft grotere klappende vleugels, aangedreven door zachte kunstmatige spieren. Deze spieren bewegen met extreme snelheden heen en weer. Het frame is duurzamer dan eerdere versies. Het is niet groter dan een microcassette. Hij weegt minder dan een paperclip.
Maar hardware alleen was niet genoeg. Jonathan P. How, co-senior auteur en professor in luchtvaart en astronauten, merkt de synergie op.
“Terwijl Kevins team nieuwe mogelijkheden demonstreert, laten we zien dat we ze kunnen gebruiken. De hardware duwde de controller. De controller duwde de hardware.”
Zoeken en redden: een nieuw paradigma?
Waarom is dit van belang buiten het laboratorium?
Na een aardbeving kunnen overlevenden bedolven raken onder het puin. Quadcopters zijn te groot om smalle gaten te betreden. Ze crashen gemakkelijk. Insecten navigeren echter gemakkelijk door puinvelden. Ze ontwijken obstakels. Ze passen zich aan de wind aan. Ze landen op onstabiele oppervlakken.
Deze nieuwe microrobot wil die kloof overbruggen. Het combineert de grootte van een insect met de rekenkracht om insectachtige manoeuvres uit te voeren.
“We willen deze robots gebruiken in scenario’s waar traditionele quadcopters niet in kunnen vliegen”, zegt Chen.
De volgende stappen omvatten het toevoegen van onafhankelijke sensoren. Momenteel vertrouwen de robots op externe motion capture-systemen voor navigatie. Het toevoegen van camera’s aan boord zou vluchten zonder toezicht buitenshuis mogelijk maken. Onderzoekers onderzoeken ook de coördinatie van zwerm. Kunnen meerdere microrobots samenwerken om botsingen te voorkomen tijdens het scannen van een rampgebied?
Wat is het volgende
Het artikel, gepubliceerd in Science Advances, markeert een verschuiving in de besturingsarchitectuur. Het bewijst dat hoge prestaties en efficiëntie naast elkaar kunnen bestaan.
Maar het werk is nog niet gedaan. Sensoren zijn de volgende hindernis. Implementatie in de echte wereld ligt nog in het verschiet. Voorlopig hebben we een robot die in elf seconden tien keer een salto kan maken. Hij vliegt sneller dan ooit tevoren. Het ziet minder als een machine en meer als een bug.
Is dit het begin van autonome microrobotzwermen? Misschien. Of misschien is het slechts de eerste stap om dichter te komen bij wat de natuur in miljoenen jaren heeft geperfectioneerd.
