Протягом тривалого часу автономність мобільних роботів була заручником низької ефективності систем енергоспоживання та обмежень механіки пересування. Традиційні амортизатори демонструють високу ефективність лише на великих швидкостях, тоді як для роботів-інспекторів, що рухаються повільно, це призводить до значних втрат енергії. Виходом із цього глухого кута став синергічний підхід, що поєднав передові досягнення матеріалознавства та алгоритми глибокого навчання. Інноваційні пористі структури стоп дозволяють рекуперувати енергію удару навіть за низької швидкості руху, що суттєво збільшує час автономної роботи пристроїв.
Проблема енергоефективності чотириногих роботів традиційно полягає у втратах під час контакту з поверхнею. У класичних системах використовуються пружини та демпфери, які ефективно повертають енергію лише за умови динамічного, швидкого кроку. Однак для спеціалізованих машин — наприклад, роботів-інспекторів або пошуково-рятувальних одиниць, яким часто доводиться рухатися повільно та обережно, — такі механізми виявляються марними. Енергія удару просто розсіюється, змушуючи акумулятори розряджатися швидше.
Інженери із Сеульського національного університету науки та технологій запропонували кардинально інший підхід: перенести функцію рекуперації енергії безпосередньо в структуру матеріалу стопи. Замість громіздких механічних пружин були створені пористі півсфери, надруковані з високоеластичного полімеру.
В основі цієї розробки лежить концепція тричі періодичних мінімальних поверхонь (TPMS). Це складні тривимірні решітки, що складаються з повторюваних пор і перегородок. З точки зору фізики, така структура дозволяє досягти ідеального балансу: вона має мінімальну вагу, але водночас забезпечує керовану жорсткість і здатність ефективно поглинати механічну енергію, щоб потім повернути її під час відриву лапи від землі.
У ході досліджень були протестовані три типи структур: проста, гіроїдна та ромбоподібна. Найкращі результати показала ромбоподібна решітка з відносною щільністю 60%. Саме ця конфігурація забезпечила оптимальний рівень деформації та мінімальні втрати на внутрішнє тертя матеріалу, що дозволило максимально ефективно запасати енергію удару.
Однак впровадження інноваційного матеріалу стало лише половиною рішення. З'ясувалося, що просто замінити стопи недостатньо: за стандартних алгоритмів ходи накопичена енергія або розсіювалася, або викликала паразитні коливання корпусу, які електроніка намагалася компенсувати, збільшуючи навантаження на приводи.
Для синхронізації роботи «заліза» та софту було застосовано метод глибинного навчання з підкріпленням (Deep Reinforcement Learning). Контролер робота був навчений враховувати фази деформації та розпрямлення TPMS-структури. Функція винагороди в моделі була налаштована так, щоб робота сервоприводів максимально точно співпадала з моментами накопичення та вивільнення пружної енергії при контакті з грунтом.
Практичні випробування проводилися на платформі RBQ-10. Порівняння нових пористих стоп зі стандартними суцільними опорами показало, що робот зберігає повну стійкість у всьому діапазоні швидкостей, при цьому істотно знижуючи навантаження на систему живлення. У кількісному вираженні енергоспоживання скоротилося на 1,4–6,2% при швидкості руху від 0,4 до 1 м/с.
У масштабах промислового застосування такі показники виглядають скромно, але для автономних систем, що працюють у режимі тривалого патрулювання або рятувальних операцій, кожен відсоток економії електроенергії конвертується в додаткові години автономності та розширення радіуса дії місії.
Інфраструктурний ривок епохи нейромереж
