Top-universiteter kappes om robotvovse til USA's militær
Logistikken spiller en lige så vigtig rolle for udfaldet af en krig som kampen på slagmarken. Derfor er Darpa, den amerikanske hærs forskningsenhed, i færd med at udvikle løsningen på, at fodfolket slæber sig udmattede på grund af tung opbakning.
En brik i det spil hedder Littledog. En robothund på størrelse med en chihuahua og med et udseende som en sort transistorradio med ben.
Littledog udmærker sig ved at være særdeles adræt, når den bliver stillet over for vanskeligt, kuperet terræn, skriver Newscientist.
Den skal bane vejen for robot-mulddyr, der snildt kan bære tungt grej i både ørkenen og junglen.
Littledog blev oprindeligt udviklet til Darpa af det amerikanske robotselskab Boston Dynamics. Nu har Darpa udvalgt seks universiteters forskerhold, heriblandt to fra MIT og Stanford, til at færdiggøre algoritmerne for robothvalpens gang.
Den foregår ved, at robotten har tre motoriserede led på hvert ben, og dens bevægelser bliver nøje kontrolleret af en computer. Et gyroskop lader robotten fornemme dens indstilling og hældning, mens en et ydre motion capture-system monitorerer den eksakte position af hvert led og lem.
De seks forskerhold har modtaget hvert deres eksemplar af en Littledog og en samling identiske plader med kuperet terræn.
Hver måned efter en omgang rigoristisk testning i laboratorierne sender holdene deres algoritme til Darpa. Den militære forskningsenhed bruger så de forskellige algoritme til på de samme kuperede plader at fastslå, hvilket bud der er bedst.
I løbet af 2008 sender Darpa en række nye plader med uforudsigeligt terræn. I slutningen af året bliver der kåret en samlet vinder.
Lær af fejltagelserne
Boston Dynamics har tidligere demonstreret en væsentlig større robothund, meget rammende kaldet Bigdog. Sensorer og motorer inden i gør, at den robot fluks fanger balancen igen, hvis den glider eller bliver udsat for et puf. Men modsat Littledog er den slet ikke i stand til at beregne og forcere ujævnt terræn.
»At bevæge sig på vanskeligt terræn er en yderst kompleks opgave for robotter,« fortæller Dennis Hong, ekspert i gående robotter på Virginia Tech ,til Newscientist.
Virginia Tech er ikke med i projektet, men Dennis Hong anbefaler læring med trial-and-error som den bedste vis at knække det komplekse problem på.
»Prøv at tænk på en baby, der skal lære at kravle. Først forstår babyen slet ikke, hvordan den skal koordinere lemmer til sådan en opgave, men den lærer af sine forsøg og fejltagelser og lærer til sidst at gå og løbe,« siger Dennis Hong.
Dokumentation
