Aprovechando IA para Diseñar Robots Blandos Avanzados

Máquinas blandas —una subcategoría de robótica que usa materiales deformables en lugar de enlaces rígidos— son una tecnología emergente comúnmente usada en robótica vestible y biomimética (ej. prótesis). Los robots blandos ofrecen flexibilidad notable, adaptabilidad sobresaliente y fuerza distribuida uniformemente, proporcionando interacciones humano-máquina más seguras que robots convencionales duros y rígidos.

Un componente esencial de máquinas blandas es el sensor de deformación de alta precisión para monitorear cambios de deformación de cada unidad de cuerpo blando y lograr un bucle de control de alta precisión. Primero, los movimientos complejos de máquinas blandas requieren que los sensores de deformación monitoren un rango amplio de deformación desde <5% a >200%, lo que excede las capacidades de sensores de deformación convencionales. Segundo, para monitorear movimientos coordinados de una máquina blanda, se requieren múltiples sensores de deformación para satisfacer diferentes tareas de sensado para unidades robóticas separadas, lo que demanda pruebas tediosas de prueba y error.

Para abordar este problema, un equipo de investigación de la Universidad de Maryland (UMD) liderado 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 puede utilizarse para dos tareas de diseño: (1) predecir rendimiento del sensor basado en una receta de fabricación y (2) recomendar recetas de fabricación factibles para sensores de deformación adecuados.

"Para usar una analogía alimentaria, dimos una lista de ingredientes a un 'chef', y ese chef es capaz de diseñar la comida perfecta basada en los gustos individuales del cliente", dijo Chen.

Esta tecnología puede usarse en campos de manufactura avanzada, diseño de robots submarinos, diseño de prótesis y más allá.