Lavpris Android for å studere hjernen

De to viktigste fallgruvene til roboter som etterligner menneskekroppen, er deres kontroll og vanskeligheten man opplever når man produserer dem på en kostnadseffektiv måte. Forskere fra MoCoTi European-prosjektet har designet prototypen til en android som lærer hvordan man aktiverer sine egne lemmer og lett kan dupliseres. Enheten, som er dannet av en kunstig hjerne som kontrollerer en sene-drevet robotarm, kan være det første skrittet mot lavpris humanoid robotikk.

Roboter som oppfører seg og føler seg som mennesker, blir en realitet. De består av en muskel- og skjelettmaskinvare som imiterer menneskekroppen og en nevral kontrollprogramvare som simulerer deler av hjernen. Et problem med disse enhetene er vanskeligheten med å prøve å produsere dem i serie på en levedyktig måte.

Forskere fra de europeiske prosjektene MoCoTi og Myorobotics har laget en robot som lett kan reproduseres og tar sikte på å bli en ‘billig android’. Christoph Richter, foreleser ved Institutt for elektroteknikk og datateknikk ved Tekniske Universitet i München (Tyskland) og en av de ledende forskerne for MoCoTi, forklarer SINC. Dette prosjektet blir nå presentert på toppmøtet i Human Brain Project i Glasgow (Storbritannia).

Det kunstige lillehjernen kontrollerer ordrene fra lokomotorsystemet

For å etterligne musklene og artikulasjonene til den menneskelige armen og gi roboten økt bevegelighet, har forskerne brukt Myorobotics-systemet. Ni muskler dannet av mekatroniske enheter er koordinert for å kontrollere den sfæriske artikulasjonen. En av disse, knyttet til biceps, er knyttet til to artikulasjoner som forbinder skulderen til albuen.

Det neste trinnet er å designe et kunstig lillehjernen for å kontrollere ordrene fra lokomotorsystemet. “Nevronstrukturen i lillehjernen er relativt enkel og ensartet. Vi reproduserer de viktigste nevronene, deres tilkoblingsmuligheter og – viktigere – deres tilpasning og læring i vår sanntids-simulering, ”uttaler Richter.

For å kopiere oppførselen deres valgte forskerne en nevromorf datamaskinplattform kalt SpiNNaker utviklet ved University of Manchester (Storbritannia). Sammenlignet med en stasjonær datamaskin er ytelsen langt overlegen: en enkelt brikke kan administrere et nettverk av 10 000 nevroner i sanntid. Tusenvis av chips kan kobles sammen for å simulere betydelige, hjerneskala nevronale nettverk.

Mot en mer sofistikert hjerne

Prototypen lærer å bevege seg på en kontrollert måte, “inkludert timingen og kontrollen av holdningen,” hevder Richter. Fordelene inkluderer elastisitet og at den kan kontrolleres, et viktig aspekt i samspillet mellom menneske og robot.

Det er mulig å innlemme hjernestrukturer av høyere orden som kortikale nettverk, og nevromorfisk syn og hørsel

I følge forskerne er det mulig å innlemme hjernestrukturer av høyere orden som kortikale nettverk, og nevromorfisk syn og hørsel, ved bruk av såkalte silisium netthinne eller cochlea sensorer. Androider av denne typen, med stadig mer realistiske simuleringer, vil være et veldig nyttig verktøy for å studere hjernen, sier forskerne i avisen publisert i ‘IEEE Robotics & Automation Magazine’.

“Robotene vil være i stand til å hjelpe til med utviklingen av nevrovitenskap på samme måte som nevrovitenskap hjelper oss å lage mer naturlige roboter,” fremhever forfatterne, som inkluderer forskere fra University of Granada.

MoCoTi er et samarbeidsprosjekt av Human Brain Project, et initiativ fra Future and Emerging Technologies Flagships (FET Flagships) fra Horizon 2020, rammeprogrammet for finansiering av forskning i EU.

Bibliografi:

Christoph Richter, Sören Jentzsch, Rafael Hostettler, Jesús A. Garrido, Eduardo Ros, Alois Knoll, Florian Röhrbein, Patrick van der Smagt, y Jörg Conradt. “Musculoskeletal Robots: Scalability in Neural Control”, IEEE Robotics & Automation Magazine 23 (4), desember 2016. DOI: 10.1109 / MRA.2016.2535081.

FECYT / SINC offentlige byrå produserer vitenskapelige nyheter for det europeiske prosjektet SCOPE, koordinert av FECYT og finansiert av EU gjennom Horizon 2020, sitt finansieringsprogram.

Oversetting og tilrettelegging av Michael Undseth-Gyllenberg. © Europa Unionen, 2020 – Kilde: CORDIS, cordis.europa.eu.