MIT 엔지니어들이 호박벌만큼 빠르게 날 수 있는 공중 마이크로 로봇을 설계했습니다.

미래에는 파괴적인 지진 이후 잔해 속에 갇힌 생존자를 찾는 데 소형 비행 로봇이 배치될 수 있습니다. 실제 곤충과 마찬가지로 이 로봇은 더 큰 로봇이 할 수 없는 좁은 공간을 이동할 수 있을 뿐만 아니라 고정된 장애물과 떨어지는 파편 조각도 피할 수 있습니다.

지금까지 공중 마이크로 로봇은 실제 곤충의 빠르고 민첩한 비행과는 거리가 먼 부드러운 궤적을 따라 천천히 비행할 수 있었습니다.

MIT 연구원들은 생물학적 로봇에 필적하는 속도와 민첩성으로 비행할 수 있는 공중 마이크로 로봇을 시연했습니다. 공동 팀은 로봇 버그를 위한 새로운 AI 기반 컨트롤러를 설계하여 로봇이 연속적인 신체 뒤집기 실행과 같은 체조 비행 경로를 따라갈 수 있도록 했습니다.

고성능과 계산 효율성을 결합한 두 부분으로 구성된 제어 방식을 통해 로봇의 속도와 가속도는 연구원의 이전 시연에 비해 각각 450%와 250% 증가했습니다.

빠른 로봇은 바람의 방해로 코스를 이탈할 위험이 있는 경우에도 11초 안에 10회 연속 공중제비를 완료할 만큼 민첩했습니다.

“우리는 전통적인 쿼드콥터 로봇이 비행하는 데 어려움을 겪고 있지만 곤충이 탐색할 수 있는 시나리오에서 이러한 로봇을 사용할 수 있기를 원합니다. 이제 생체 영감을 받은 제어 프레임워크를 통해 우리 로봇의 비행 성능은 속도, 가속도 및 투구 각도 측면에서 곤충의 비행 성능과 비슷합니다.”라고 전자공학 연구소 내 소프트 및 마이크로 로봇 공학 연구소 소장이자 전기 공학 및 컴퓨터 과학부(EECS) 부교수인 Kevin Chen은 말합니다. “이것은 미래의 목표를 향한 매우 흥미로운 단계입니다.” (RLE)이며 로봇에 관한 논문의 공동 선임 저자입니다.

Chen은 EECS MIT 대학원생인 공동 저자 Yi-Hsuan Hsiao와 함께 논문에 합류했습니다. Andrea Tagliabue 박사 ’24; 항공우주학과(AeroAstro) 대학원생 Owen Matteson; EECS 대학원생 김수한; 동자오멍 ’23; 공동 선임 저자인 Jonathan P. How는 포드 항공우주학과 공학 교수이자 정보 결정 시스템(LIDS) 연구소의 주요 연구원입니다. 오늘 연구 결과가 나왔습니다 과학 발전.

AI 컨트롤러

Chen의 그룹은 5년 넘게 로봇 곤충을 제작해 왔습니다.

그들은 최근 종이클립보다 가벼운 마이크로카세트 크기의 장치인 작은 로봇의 내구성이 더 뛰어난 버전을 개발했습니다. 새 버전은 더욱 민첩한 움직임을 가능하게 하는 더 크고 날개를 펄럭이는 날개를 사용합니다. 그들은 매우 빠른 속도로 날개를 퍼덕이는 질퍽한 인공 근육 세트에 의해 구동됩니다.

그러나 위치를 결정하고 비행 위치를 알려주는 로봇의 “두뇌”인 컨트롤러는 인간이 직접 조정하여 로봇의 성능을 제한했습니다.

로봇이 실제 곤충처럼 빠르고 공격적으로 날게 하려면 불확실성을 고려하고 복잡한 최적화를 신속하게 실행할 수 있는 더욱 강력한 컨트롤러가 필요했습니다.

이러한 컨트롤러는 특히 경량 로봇의 복잡한 공기 역학의 경우 실시간으로 배포하기에는 너무 계산 집약적입니다.

이러한 문제를 극복하기 위해 Chen의 그룹은 How 팀과 합류하여 복잡하고 빠른 조작에 필요한 견고성과 실시간 배포에 필요한 계산 효율성을 제공하는 2단계 AI 기반 제어 체계를 함께 설계했습니다.

“하드웨어의 발전으로 컨트롤러가 발전했기 때문에 소프트웨어 측면에서 더 많은 일을 할 수 있었지만 동시에 컨트롤러가 발전함에 따라 하드웨어로 더 많은 일을 할 수 있게 되었습니다. Kevin의 팀이 새로운 기능을 시연하면서 우리는 이를 사용할 수 있음을 입증했습니다.”라고 How는 말합니다.

첫 번째 단계로 팀은 모델 예측 컨트롤러라고 알려진 것을 구축했습니다. 이러한 유형의 강력한 컨트롤러는 동적 수학적 모델을 사용하여 로봇의 동작을 예측하고 궤적을 안전하게 따르기 위한 최적의 일련의 동작을 계획합니다.

계산 집약적이지만 곡예비행, 급선회, 공격적인 차체 기울기와 같은 까다로운 기동을 계획할 수 있습니다. 이 고성능 플래너는 충돌을 방지하는 데 필요한 로봇이 적용할 수 있는 힘과 토크에 대한 제약도 고려하도록 설계되었습니다.

예를 들어, 여러 번 연속으로 뒤집기를 수행하려면 로봇의 초기 위치가 다시 뒤집기에 정확히 맞도록 로봇의 속도를 줄여야 합니다.

“작은 오류가 발생하고 그 작은 오류로 뒤집기를 10번 반복하려고 하면 로봇이 충돌할 것입니다. 우리는 더 강력한 비행 제어가 필요합니다”라고 How는 말합니다.

그들은 이 전문 플래너를 사용하여 시뮬레이션 학습이라는 프로세스를 통해 딥러닝 모델을 기반으로 로봇을 실시간으로 제어하는 ​​’정책’을 교육합니다. 정책은 로봇의 의사 결정 엔진으로, 로봇에게 비행 위치와 방법을 알려줍니다.

기본적으로 시뮬레이션 학습 프로세스는 강력한 컨트롤러를 훨씬 더 빠르게 실행할 수 있는 계산적으로 효율적인 AI 모델로 압축합니다.

핵심은 공격적인 기동에 필요한 모든 것을 정책에 가르칠 만큼 충분한 훈련 데이터를 생성하는 현명한 방법이었습니다.

“강력한 트레이닝 방법론이 이 기술의 비결이다”라고 How는 설명한다.

AI 기반 정책은 로봇의 위치를 ​​실시간으로 파악해 추력, 토크 등 제어 명령을 입출력한다.

곤충 같은 성능

실험에서 이 2단계 접근 방식을 통해 곤충 규모 로봇은 가속도가 255% 증가한 동시에 447% 더 빠르게 비행할 수 있었습니다. 로봇은 11초 안에 10번의 공중제비를 완료할 수 있었고, 작은 로봇은 계획된 궤도에서 4~5cm 이상 벗어나지 않았습니다.

Hsiao는 “이 연구는 전통적으로 움직임이 제한되어 있던 소프트 로봇과 마이크로 로봇이 이제 고급 제어 알고리즘을 활용하여 자연 곤충과 대형 로봇에 가까운 민첩성을 얻을 수 있음을 보여주며, 다중 모드 이동을 위한 새로운 기회를 열어줍니다”라고 말했습니다.

연구자들은 또한 곤충이 매우 공격적으로 투구하고 고정된 위치로 빠르게 날아간 다음 반대 방향으로 투구하여 멈추는 단속운동(saccade movement)을 보여줄 수 있었습니다. 이러한 빠른 가속 및 감속은 곤충이 자신의 위치를 ​​파악하고 명확하게 볼 수 있도록 도와줍니다.

Chen은 “이 생체 모방 비행 동작은 미래에 로봇에 카메라와 센서를 장착하기 시작할 때 도움이 될 수 있습니다.”라고 말했습니다.

마이크로 로봇이 복잡한 모션 캡처 시스템에 얽매이지 않고 외부로 날아갈 수 있도록 센서와 카메라를 추가하는 것이 향후 작업의 주요 영역이 될 것입니다.

연구원들은 또한 온보드 센서가 로봇이 서로 충돌을 피하거나 탐색을 조정하는 데 어떻게 도움이 될 수 있는지 연구하고 싶어합니다.

Chen은 “마이크로 로봇 공학 커뮤니티에 이 논문이 고성능이면서 효율적인 새로운 제어 아키텍처를 개발할 수 있음을 보여줌으로써 패러다임 전환을 알리는 신호가 되기를 바랍니다.”라고 말했습니다.

이 작업에 참여하지 않은 카네기 멜론 대학교 기계공학과의 Sarah Bergbreiter 교수는 “이 작업은 소규모 제조에서 상대적으로 큰 제조 공차, 초당 1미터가 넘는 돌풍, 반복적인 뒤집기를 수행할 때 로봇을 감싸는 파워 테더에서 발생하는 큰 불확실성에도 불구하고 여전히 정확한 뒤집기 및 날카로운 회전을 수행하기 때문에 특히 인상적입니다.”라고 말했습니다.

“컨트롤러는 현재 로봇 자체가 아닌 외부 컴퓨터에서 실행되지만 저자는 유사하지만 정확도가 떨어지는 제어 정책이 곤충 규모 로봇에서 사용할 수 있는 제한된 계산으로도 가능할 수 있음을 보여줍니다. 이는 민첩성이 생물학적 대응에 더 가까운 미래의 곤충 규모 로봇을 가리키기 때문에 흥미롭습니다.”라고 덧붙였습니다.

이 연구는 부분적으로 국립과학재단(NSF), 해군 연구실, 공군 과학 연구실, MathWorks 및 Zakhartchenko Fellowship의 자금 지원을 받습니다.