Inteligencia de máquina para construir máquinas blandas

Las máquinas blandas, una subcategoría de la robótica que utiliza materiales deformables en lugar de enlaces rígidos, son una tecnología emergente que se usa comúnmente en la robótica portátil y la biomimética (p. ej., prótesis). Los robots blandos ofrecen una flexibilidad notable, una adaptabilidad excepcional y una fuerza distribuida uniformemente, lo que proporciona interacciones hombre-máquina más seguras que los robots duros y rígidos convencionales.

Un componente esencial de las máquinas blandas es el sensor de deformación de alta precisión para monitorear los cambios de deformación de cada unidad de cuerpo blando y lograr un lazo de control de alta precisión. En primer lugar, los movimientos complejos de las máquinas blandas requieren que los sensores de deformación controlen un amplio rango de deformación de <5 % a>200 %, lo que supera las capacidades de los sensores de deformación convencionales. En segundo lugar, para monitorear los movimientos coordinados de una máquina suave, se requieren múltiples sensores de tensión para satisfacer diferentes tareas de detección para unidades robóticas separadas, lo que exige tediosas pruebas de ensayo y error.

Para abordar este problema, un equipo de investigación de la Universidad de Maryland (UMD) dirigido por Po-Yen Chen, profesor de ingeniería química y biomolecular, ha creado un marco de aprendizaje automático (ML) para facilitar la construcción de un modelo de predicción, que se puede utilizar para dos tareas de diseño:(1) predecir el rendimiento del sensor en función de una receta de fabricación y (2) recomendar recetas de fabricación factibles para sensores de deformación adecuados.

"Para usar una analogía con la comida, le dimos una lista de ingredientes a un 'chef', y ese chef puede diseñar la comida perfecta según los gustos individuales del cliente", dijo Chen.

Esta tecnología se puede utilizar en los campos de fabricación avanzada, diseño de robots submarinos, diseño de prótesis y más.