Robotski hod sada mora proći test mokrog betona, ne samo laboratorija
A dramatic editorial hero frame of a quadruped robot stepping from a clean lab surface onto uneven terrain, with visible sensor feedback and a sense of balance under strain.📷 AI-generated image / TECH&SPACE
- ★Umjetni mišić u ovom pristupu ne služi samo za pokretanje zgloba, nego i za istodobno mjerenje opterećenja i povratnu informaciju o tome kako se sustav ponaša pod stvarnim naporom. Upravo ta kombinacija pokreta i osjeta važna je za robote koji moraju reagirati u hodu, bez oslanjanja na idealne laboratorijske uvjete.
- ★Robotski prsti već mogu razlikovati tvrdoću, veličinu i druge osnovne karakteristike objekata, što ih približava preciznijem hvatu i pouzdanijem rukovanju predmetima. To znači da se percepcija više ne svodi samo na kameru ili grubi mehanički kontakt, nego na kombinaciju osjeta i upravljanja.
- ★Najveći preostali izazov i dalje je kontrola topline i dugotrajan rad, jer performanse ne ovise samo o tome može li sustav jednom dobro izvesti pokret. Ključno je može li to ponavljati dugo, stabilno i bez pregrijavanja, što je presudno za stvarnu primjenu.
Tim iz Odjela za strojarstvo Sveučilišta Carnegie Mellon koristi AI kako bi dešifrirao mehanizme koji omogućuju životinjama da se kreću s nevjerojatnom preciznošću. Umjesto tradicionalnog programiranja, istraživači pretvaraju biološke sustave u matematičke modele koje roboti mogu replicirati. Problem je što su trenutni roboti ograničeni na unaprijed definirane pokrete, dok životinje intuitivno prilagođavaju svaki korak terenu, brzini ili preprekama.
Rješenje leži u neuromorfnom inženjerstvu – pristupu koji oponaša neuronske mreže mozga. Ako AI uspije preslikati kako životinje obrađuju senzorske informacije u realnom vremenu, roboti bi mogli postati daleko korisniji u nepredvidivim okruženjima poput gradilišta ili skladišta. No, demo u laboratoriju i stvarna primjena dvije su potpuno različite stvari. U kontroliranim uvjetima robot može hodati po ravnoj površini, ali što se događa kada se nađe na mokrom betonu ili neravnom terenu?
Carnegie Mellon koristi AI za modeliranje kretanja životinja, no najveća prepreka nije algoritam nego hardver i okoliš
A tighter technical frame showing a robotic leg, joints, and foot contact correcting for a slippery or uneven surface, emphasizing the hardware problem rather than the showcase pose.📷 AI-generated image / TECH&SPACE
Dodatni kontekst daje izvorni materijal. Jedan od ključnih izazova je skalabilnost. Trenutni modeli zahtijevaju ogromne računalne resurse, što ih čini neprikladnima za masovnu proizvodnju. Istraživači priznaju da je cilj stvoriti robote koji mogu raditi u stvarnim uvjetima, ali da će trebati godine optimizacije prije nego što budu dostupni industrijskim korisnicima.
Još veći problem je sigurnost – životinje instinktivno izbjegavaju opasnost, dok roboti moraju biti programirani za svaki mogući scenarij. Unatoč izazovima, ovo istraživanje otvara vrata za robote koji bi mogli zamijeniti ljudski rad u opasnim ili monotonim zadacima. Primjerice, logističke tvrtke već sada traže robote koji mogu samostalno kretati skladištima, ali trenutačna tehnologija još uvijek zaostaje za ljudskom prilagodljivošću.
