MIT エンジニアがマルハナバチと同じ速さで飛行できる空中マイクロロボットを設計 |マサチューセッツ工科大学ニュース

将来的には、壊滅的な地震の後、瓦礫の下に閉じ込められた生存者の捜索を支援するために小型飛行ロボットが配備される可能性がある。本物の昆虫のように、これらのロボットは、大型ロボットが到達できない狭い空間を飛び回りながら、同時に静止した障害物や落下する瓦礫を避けることができます。

これまでのところ、空中マイクロロボットは滑らかな軌道に沿ってゆっくりと飛行することしかできず、本物の昆虫の素早い機敏な飛行とは程遠いものでした。

MITの研究者らは、生物学的対応物に匹敵する速度と敏捷性で飛行できる空中マイクロロボットを実証した。共同チームは、ロボットバグ用の新しい AI ベースのコントローラーを設計し、連続的なボディフリップの実行など、体操の飛行経路に従うことを可能にしました。

高性能と計算効率を組み合わせた 2 つの部分からなる制御方式により、ロボットの速度と加速度は、研究者らによるこれまでの最高のデモンストレーションと比較して、それぞれ約 450 パーセントと 250 パーセント増加しました。

この高速ロボットは、風の乱れでコースを外れそうになったときでも、11 秒以内に 10 回連続宙返りを完了するほど機敏でした。

「私たちは、従来のクアッドコプターロボットでは飛行が難しいが、昆虫なら航行できるようなシナリオでこれらのロボットを使用できるようにしたいと考えています。現在、生物からインスピレーションを得た制御フレームワークにより、私たちのロボットの飛行性能は、速度、加速度、ピッチング角度の点で昆虫に匹敵します。これは将来の目標に向けた非常にエキサイティングな一歩です。」と、電気工学およびコンピュータサイエンス学科（EECS）の准教授でソフト＆マイクロロボティクス部門の責任者であるケビン・チェン氏は述べています。エレクトロニクス研究所 (RLE) 内の研究室、および論文の共同上級著者。 ロボットの上に紙を貼る。

Chen 氏には、共同主著者である EECS MIT 大学院生の Yi-Hsuan Hsiao 氏もこの論文に参加しています。アンドレア・タリアブーエ PhD ’24;オーウェン・マッテソン、航空宇宙工学科（エアロアストロ）の大学院生。 EECS 大学院生の Suhan Kim 氏も同様です。トン・ジャオ・メン ’23;共同上級著者のジョナサン・P・ハウ氏は、フォード航空宇宙工学部工学教授であり、情報・意思決定システム研究所（LIDS）の主任研究員でもある。この研究は本日、 科学の進歩。

AIコントローラー

チェン氏のグループは、5 年以上にわたって昆虫ロボットの開発に取り組んでいます。

彼らは最近、 同社の小型ロボットのより耐久性の高いバージョン、ペーパークリップよりも軽いマイクロカセットサイズのデバイス。新しいバージョンでは、より機敏な動きが可能になる、より大きな羽ばたき翼を採用しています。彼らは、非常に速い速度で翼を羽ばたかせる一連のふわふわした人工筋肉によって動力を供給されています。

しかし、位置を決定し、どこに飛ぶかを指示するロボットの「頭脳」であるコントローラーは人間によって手動で調整されており、ロボットの性能は制限されていました。

ロボットが本物の昆虫のように素早く積極的に飛行するには、不確実性を考慮して複雑な最適化を迅速に実行できる、より堅牢なコントローラーが必要でした。

このようなコントローラーは、特に軽量ロボットの複雑な空気力学を考慮すると、リアルタイムで展開するには計算量が多すぎるでしょう。

この課題を克服するために、Chen 氏のグループは How 氏のチームと協力し、複雑で迅速な操作に必要な堅牢性と、リアルタイム展開に必要な計算効率を提供する 2 段階の AI 駆動制御スキームを共同で作成しました。

「ハードウェアの進歩によりコントローラーが進歩したため、ソフトウェア側でできることが増えましたが、同時に、コントローラーが開発されるにつれて、ハードウェアでできることも増えました。ケビンのチームが新しい機能を実証するにつれて、私たちはそれらを活用できることを実証しました」とハウ氏は言います。

最初のステップとして、チームはモデル予測コントローラーとして知られるものを構築しました。このタイプの強力なコントローラーは、動的数学モデルを使用してロボットの動作を予測し、軌道に安全に従うための最適な一連のアクションを計画します。

計算量は多くかかりますが、空中宙返り、素早い旋回、積極的な車体の傾斜などの難しい操作を計画できます。この高性能プランナーは、衝突を回避するために不可欠な、ロボットが適用できる力とトルクの制約も考慮するように設計されています。

たとえば、連続して複数のフリップを実行するには、初期状態がフリップを再度実行するのに正確に適切になるようにロボットを減速する必要があります。

「小さなエラーが忍び込み、その小さなエラーを抱えてフリップを 10 回繰り返そうとすると、ロボットは墜落するだけです。堅牢な飛行制御が必要です」とハウ氏は言います。

彼らはこの専門プランナーを使用して、模倣学習と呼ばれるプロセスを通じて、深層学習モデルに基づいて「ポリシー」をトレーニングし、ロボットをリアルタイムで制御します。ポリシーはロボットの意思決定エンジンであり、どこにどのように飛行するかをロボットに指示します。

基本的に、模倣学習プロセスは、強力なコントローラーを、非常に高速に実行できる計算効率の高い AI モデルに圧縮します。

鍵となるのは、攻撃的な作戦に必要なすべてを政策に教える、十分なトレーニング データを作成する賢明な方法を持つことでした。

「堅牢なトレーニング方法がこのテクニックの秘訣です」とハウは説明します。

AI 駆動のポリシーは、ロボットの位置を入力として受け取り、推力やトルクなどの制御コマンドをリアルタイムで出力します。

昆虫のようなパフォーマンス

彼らの実験では、この 2 段階のアプローチにより、昆虫規模のロボットは 447 パーセント速く飛行すると同時に、加速度が 255 パーセント増加しました。このロボットは 11 秒間で 10 回の宙返りを完了することができ、この小さなロボットは計画された軌道から 4 ～ 5 センチ以上外れることはありませんでした。

「今回の研究は、従来は速度が制限されていたソフトロボットやマイクロロボットが、高度な制御アルゴリズムを活用して自然の昆虫や大型ロボットに迫る俊敏性を実現できることを示しており、マルチモーダルな移動の新たな機会を切り開いています」とシャオ氏は言う。

研究者らはまた、昆虫が非常に積極的にピッチングし、特定の位置まで急速に飛行し、その後反対方向にピッチングして停止するときに発生するサッカード運動を実証することもできました。この急速な加速と減速は、昆虫が自分自身の位置を特定し、明確に見るのに役立ちます。

「この生体を模倣した飛行動作は、将来ロボットにカメラやセンサーを搭載し始めるときに役立つ可能性があります」とチェン氏は言う。

センサーとカメラを追加して、複雑なモーション キャプチャ システムに接続せずにマイクロロボットが屋外で飛行できるようにすることが、将来の主要な作業領域となるでしょう。

研究者らはまた、搭載センサーがロボット同士の衝突を回避したり、ナビゲーションを調整したりするのにどのように役立つかを研究したいと考えている。

「マイクロ ロボット コミュニティにとって、この論文が、高性能でありながら同時に効率的な新しい制御アーキテクチャを開発できることを示すことで、パラダイム シフトの兆しとなることを願っています」とチェン氏は言います。

「小規模製造における比較的大きな製造公差、毎秒1メートルを超える突風、繰り返しの反転を実行する際にロボットに巻き付くパワーテザーさえも原因となる大きな不確実性にもかかわらず、これらのロボットは依然として正確な反転と高速回転を実行するため、この研究は特に印象的です」と、この研究には関与していないカーネギーメロン大学の機械工学教授サラ・バーグブライターは言う。

「現在、コントローラーはロボットに搭載されているのではなく、外部のコンピューター上で動作していますが、著者らは、昆虫スケールのロボットで利用できる計算能力がより限られている場合でも、同様ではあるが精度に劣る制御ポリシーが実現可能である可能性があることを実証しています。これは、生物学的対応物に迫る敏捷性を備えた将来の昆虫スケールのロボットを示唆しているので、興味深いです。」と彼女は付け加えた。

この研究は、米国科学財団 (NSF)、海軍研究局、空軍科学研究局、MathWorks、およびザハルチェンコ フェローシップから一部資金提供を受けています。