Kontrollsystemer i virveldyr lemmer viser ytterligere at de ble designet
Av Brian Miller, 21. oktober 2024. Oversatt herfra


I tidligere artikler forklarte jeg hvordan bioengineer Stuart Burgess forskning demonstrerer den utsøkte utformingen bak virveldyrlemmer, og hvordan den velter påstanden om at noen lemmer virker dårlig designet (her, her, her). Her vil jeg beskrive geniet bak lemmenes kontrollsystemer, som til og med inspirerer innovasjon i kontrollsystemene til robotmanipulatorer. I tillegg velter de strenge kravene til motoriske kontrollsystemer evolusjonsfortellinger og styrker saken for design.

Bilde 1. Modell av blåhvalfinne

Kontrollsystemutfordringer
å designe kontrollsystemer for komplekse robotlem har vist seg ekstremt vanskelig. I "Intelligent Control of Robotic Manipulators: A Comprehensive Review," -lenke. Rawat et al. (2022) forklarer at utfordringen skyldes et kontrollsystem som krever en spesifikk layout med finjusterte parametere som perfekt samsvarer med arkitekturen og dynamikken i robotmanipulatoren. En perfekt matching er nødvendig siden den nøyaktige kontrollen av bevegelse er avgjørende for å utføre komplekse oppgaver.


Ingeniører må bruke svært sofistikerte metoder for å dirigere robotmaskiner, og hver tilnærming har møtt begrensninger. Konvensjonelle tilnærminger oppnår stabilitet, nøyaktighet og fleksibilitet, men de kan ikke imøtekomme mange frihetsgrader (f.eks. stort antall ledd og fingre/tær) som sett i biologiske lemmer. Motsatt kan læringsbaserte tilnærminger håndtere mange frihetsgrader, men de mangler stabilitet og fleksibilitet. Alepuz et al. (2024) oppsummer vanskeligheten i artikkelen sin "Hjerneinspirert biomimetisk robotkontroll: en gjennomgang" -lenke:


"Konvensjonelle modellbaserte kontrolltilnærminger garanterer sterke stabilitetsegenskaper til det kontrollerte systemet og foreskrevet nøyaktighet, selv i nærvær av strukturerte og ustrukturerte usikkerheter. Imidlertid skaleres deres designkompleksitet veldig dårlig med dimensjonalitet [antall frihetsgrader] og er derfor vanskelig å generalisere, vedlikeholde og stille inn i forbindelse med komplekse robotoppgaver. På den annen side kan det å stole på modellfrie eller læringsbaserte løsninger, for eksempel maskinlæring og statistiske modelleringsmetoder effektivt håndtere omfattende systemdimensjoner. Likevel kommer de med tunge beregningskrav, sliter med tilpasningsevne til forskjellige scenarier og mangler trygghet i stabilitet og robusthet."

Hjerneinspirert robotkontroll
Robotingeniører har sett på det menneskelige nervesystemet for å lære hvordan det nettopp manøvrer lemmer med mange frihetsgrader til å utføre komplekse oppgaver i usikre miljøer. Alepuz et al. (2024) Beskriv nervesystemets arkitektur som følger:
"Hjernens motoriske system omfatter spesialiserte områder dedikert til distinkte funksjoner for å kontrollere bevegelse. Disse regionene følger et hierarkisk arrangement: domener på høyere nivå fører tilsyn med bredere utvalg oppgaver med betydelig abstraksjon, mens segmenter på lavere nivå fokuserer på individuelle muskler, og leverer presise signaler skreddersydd til oppgavens spesifikasjoner. Komplementerende til denne strukturen er flere sidestrukturer (sideløkker) som er ansvarlige for å regulere signaler innenfor de synkende traséene til dette hierarkiske systemet."
Hjerneinspirerte kontrollsystemer bruker nevrale nettverk med millioner av nevroner som etterligner det menneskelige nervesystemets design. Nevronene krever svært spesifikke sammenkoblinger med hverandre og med en rekke sensorer. Systemet vil bare fungere etter at det oppfyller nøyaktige krav.

Utfordring til evolusjonen
Den høye minimale kompleksiteten av, og stramme begrensninger på, virveldyrs lemmers sensorikk og kontrollsystemer utelukker enhver mulighet for at de har dukket opp gjennom et ikke -styrt evolusjonssøk. Sensorene i seg selv involverer mange intrikate biologiske strukturer som måler slike variabler som bevegelse, belastning og trykk (her, her). De alvorlige utfordringene med å navigere i det evolusjonære kondisjonslandskapet som kun er assosiert med mekanikken i virveldyrlemmer, blir dramatisk sammensatt når man vurderer både lemmekanikk og kontrollsystemet. (For et sammendrag av evolusjonære kondisjonslandskap, se artikkelen min "Fitness -landskap demonstrerer perfeksjon i virveldyrlemmer som er resultatet av intelligent design." -lenke)

Bilde 2. En anerkjenner bare menneskelig design


Cheney et al. (2016)-lenke detaljerer hvordan evolusjonssøk som vurderer både stans på en mindre enn ideell lemarkitektur (aka morfologi) og deretter bare justere kontrollsystemet for den suboptimale designen. Én lemutforming kan aldri trinnvis transformere seg til et betydelig annet design uten intelligent inngrep. Nygaard et al. (2017) Oppsummer barrieren som følger:
"Optimalisering av robot-morfologier sammen med kontrollsystemer er en vanskelig oppgave, og vi har bare så langt sett relativt enkle resultater, selv om betydelige mengder beregningsressurser har blitt tildelt. En av grunnene til denne vanskeligheten er den økte dimensjonaliteten til søkeområdet som følger med friheten til å designe kroppen, i tillegg til kontrollsystemet. I virkeligheten krever dette en mye større mengde utforskning for å finne den ønskede kvaliteten på løsninger. Imidlertid er et annet aspekt av vanskeligheten at samvolusjonen av morfologi og kontroll også fører til et mye mer vanskelig søk; Søkelandskapet er mye mer robust, og små endringer i morfologien kan lett balansere ytelsen til en tidligere funnet god kroppskontrollerkombinasjon."


Ulike virveldyr lemmer representerer fundamentalt forskjellige designmønstre -lenke, som fungerer innenfor gjensidig utelukkende begrensninger. Selv om det ene lemmet plutselig forvandlet seg til et annet (f.eks. ulveframbein til en hvalfinne), ville det nye lemmet vise seg å være ubrukelig til kontrollsystemet ble helt reengineert til å matche den nye lemmekanikken. Bare en intelligent agent kan samtidig konstruere ett nytt lem med et nytt kontrollsystem som samsvarer med det.

Brian Miller -Bilde 3, til venstre

 

Forskningskoordinator og senior stipendiat, Center for Science and Culture.
Dr. Brian Miller er forskningskoordinator og senior stipendiat for Center for Science and Culture ved Discovery Institute. Han har en B.S. I fysikk med en lavere grad i prosjektering fra MIT og doktorgrad. I fysikk fra Duke University. Han snakker internasjonalt om temaene Intelligent Design og innflytelsen av livssyn på samfunnet. Han har også konsultert om organisasjonsutvikling og strategisk planlegging, og han er teknisk konsulent for Ideashares, en virtuell inkubator dedikert til å bringe innovasjon til markedet.

 


Oversettelse, via google oversetter, og bilder ved Asbjørn E. Lund