Los ingenieros desarrollan un plan para enjambres de robots, imitando la construcción de abejas y hormigas

Las abejas, las hormigas y las termitas no necesitan planos. Pueden tener reinas, pero ninguna de estas especies cría arquitectos o gerentes de construcción. Cada trabajador de insectos, o dron, simplemente responde a señales como el calor o la presencia o ausencia de material de construcción. A diferencia de la fabricación humana, el gran diseño surge simplemente de la acción colectiva de los drones, no se requiere ninguna planificación central.

Ahora, los investigadores de Penn Engineering han desarrollado reglas matemáticas que permiten a los enjambres virtuales de pequeños robots para hacer lo mismo. En simulaciones por computadora, los robots construyeron estructuras similares a panal sin seguir sin seguir, o incluso poder comprender, un plan.

“Aunque lo que hemos hecho es solo un primer paso, es una nueva estrategia que en última instancia podría conducir a un nuevo paradigma en la fabricación”, dice Jordan Raney, profesor asociado de ingeniería mecánica y mecánica aplicada (mojón), y el autor co-senior de un nuevo artículo en un nuevo artículo en Avances científicos. “Incluso las impresoras 3D funcionan paso a paso, lo que resulta en lo que llamamos un proceso frágil. Un simple error, como una boquilla obstruida, arruina todo el proceso”.

La fabricación utilizando la nueva estrategia del equipo podría resultar más robusta, sin colmena, la construcción de la colmena porque una sola abeja comete un error, y adaptable, lo que permite la construcción de estructuras complejas en el sitio en lugar de en una fábrica.

“Acabamos de rascar la superficie”, dice Raney. “Estamos acostumbrados a herramientas que ejecutan un plan. Aquí, estamos preguntando: ¿Cómo emerge el orden sin uno?”

Un nuevo paradigma para construir

Desde herramientas de piedra hasta estaciones espaciales, la ingeniería humana se ha basado en la planificación: imagine el resultado, luego diseñe y construya en pasos. Incluso la impresión 3D sigue la misma lógica, cortando un modelo a miles de instrucciones precisas para que la impresora lo siga.

“Lo que es tan diferente en nuestro enfoque es que evita todo ese paradigma”, dice Mark Yim, profesor de Asa Whitney en Moam, Director de Ruzena Bajcsy del laboratorio general de robótica, automatización, detección y percepción (agarre) y el otro autor co-senior. “No hay guiones preescritos, ni un plan centralizado. Cada robot simplemente reacciona a sus alrededores”.

Debido a que ningún robot único necesita comprender el panorama general, la construcción puede continuar incluso si algunos robots fallan o no se quitan el rumbo. Y dado que todos los robots operan simultáneamente, en lugar de esperar su turno, el proceso podría algún día ser más rápido y más robusto para las fallas individuales.

Comportamiento de planificación, no edificios

Aunque inspirados por la naturaleza, los investigadores no intentaron imitar con precisión cómo se comportan las abejas, las hormigas u otros constructores naturales. A diferencia de los investigadores de inteligencia artificial, que a menudo buscan pistas sobre cómo diseñar algoritmos de aprendizaje, este equipo no estaba tratando de copiar biología.

En cambio, se centraron en el principio más profundo que usa la naturaleza: los comportamientos simples, repitidos muchas veces en paralelo, pueden sumar para crear algo complejo y útil.

“Lo que queríamos era un sistema donde la estructura emerge del comportamiento”, dice Raney. “No porque los robots sepan lo que están construyendo, sino porque están siguiendo el conjunto correcto de reglas locales”.

La parte difícil fue descubrir cuáles deberían ser esas reglas. “Hay innumerables formas en que podría programar un robot para reaccionar a sus alrededores”, dice Yim. “Tuvimos que reducirlo a algo simple, pero aún útil”.

Encontrar las reglas correctas

Al final, el equipo se centró en un puñado de preguntas básicas: ¿qué debe hacer un robot cuando se topa con algo que otro robot construyó? ¿Debería girar hacia la izquierda o hacia la derecha, y por cuánto? ¿Hasta dónde debe llegar cada robot antes de detenerse?

Esto dio como resultado una docena de variables, como la velocidad de los robots y el ángulo en el que giran a la izquierda o a la derecha, que los investigadores jugaron en el transcurso de muchas simulaciones. “Al simular la actividad de los robots”, dice Raney, “podríamos centrarnos en ajustar qué reglas importaban más”.

En última instancia, la cantidad de trastorno en el sistema jugó un papel crucial en la estructura final. “Cuanto más variamos parámetros como el ángulo de giro, más variación obtenemos en la estructura final”, dice Yim.

Como descubrió el trabajo previo de los ingenieros de Penn, agregar la cantidad correcta de trastorno a las redes como los panales en realidad puede mejorar su dureza. “Básicamente encontramos una palanca que le permite variar la geometría del resultado final, lo que puede afectar su resistencia a la agrietamiento”, agrega Raney.

Construyendo el enjambre en realidad

Si bien el equipo creó prototipos, la construcción de un enjambre de robots sigue siendo un paso de distancia. Primero, planean actualizar su simulación para reflejar mejor cómo los robots pequeños podrían funcionar en el mundo real.

“En nuestros primeros modelos, imaginamos los robots que colocaban material en líneas rectas, como una mini impresora 3D”, dice Yim. “Pero ese puede no ser el método más práctico. Un mejor enfoque podría ser usar electroquímica, donde los robots cultivan estructuras metálicas a su alrededor”.

Hacer que eso suceda requerirá un progreso en la construcción de pequeños robots que puedan moverse, sentir e interactuar con los materiales, pero el equipo cree que el concepto en sí representa quizás su avance más importante.

“Esperamos que esto haga que la gente piense de nuevas maneras sobre cómo se pueden construir las cosas”, dice Raney. “La naturaleza no comienza con un plan maestro, comienza con muchas acciones pequeñas que se unen en algo más grande. Ahora estamos aprendiendo a hacerlo también”.

Los coautores adicionales incluyen a los autores de los autores Jiakun Lu y Xiaoheng Zhu, así como a Walker Gosrich, todos de Penn Engineering.