適応型ロボティクス - 百科事典

適応型ロボティクスとは、ハードウェアやソフトウェアコンポーネントを調整し、様々なタスクを遂行しつつ変化する環境に適応できるロボットシステムを開発することに焦点を当てたロボティクスの分野です。1960年代に産業分野にロボティクスが導入されました。それ以降、新しい動力形式、適応性、感知と認識、そして学習能力を持つロボットを作成する必要性が高まり、適応型ロボティクスの分野が生まれました。PUMAロボット、操作研究、ソフトロボティクス、群れロボティクス、AI、コボット、生体にインスパイアされたアプローチ、そして継続的な研究など、重要な進歩が適応型ロボティクスの分野を大幅に進展させました。適応型ロボットは通常、開発キットと関連していますが、このキットは自律移動ロボットの作成に使用されます。場合によっては、特定のコンポーネントが破損しても適応型キットは機能を続けます。

適応型ロボティクスシステムは、モジュール設計、機械学習、センサーフィードバックなどの技術を使用して環境に適応します。これにより、さまざまな産業を革新し、医療、産業、地球外、実験分野における多くの現実の課題を解決できます。適応型ロボティクスにはまだ多くの課題が残っており、この分野の成長のための機会を提供しています。

基本概念
適応型ロボットは、外部要因に関係なくタスクを実行するロボットとは異なる特徴を持っています。適応型ロボットがこの区別を示すために利用する4つの概念は、適応性、感知と認識、学習と知能、そして動作です。

= 適応性 =
ロボットが本質的な安全性と性能を持ち、学習能力と、伝統的なロボットが実行できないタスクを実行できる能力を持つと定義されます。これらの能力は、力制御技術、階層的な知能、その他の革新的なアプローチを通じて達成できます。ジョン・アドラーが1994年に発明したサイバーナイフは、医療手術における極細の精度を提供するロボット手術システムであり、このような適応を示しています。

= 感知と認識 =
環境情報は周辺機器を通じて収集され、適応型システムで賢く処理されます。AIシステムはこのデータを処理し、適応行動に応じてタスクの基本単位を調整します。2001年に、Canadarm 2がISSに打ち上げられ、周辺機器からのデータを使用して、ISS内の環境変化に適応する役割を果たしました。

= 学習と知能 =
AI、機械学習、ディープラーニングにより、システムは周囲の世界について学び、タスクを実行する際に次第に賢くなります。[12] 1997年に、Sojournerロボットが火星に打ち上げられ、船上コンピュータを使用して、最小のデータでも予期せぬ事件や障害に適応できることを示しました。これは、適応型システムにAIを追加する前の予兆です。同年、IBMのDeep Blueコンピュータがガリ・カスパロフをチェスで破ったことで、ロボットAIの計画と反応の能力に関する重要なマイルストーンが達成されました。

= 動作 =
ロボットシステムの動作は、ロボットが動くことを可能にします。適応型アクチュエータは、環境の変化に応じて機能し、例えば温度の変化がアクチュエータの形状を変える可能性があるため、機能を変更します。これにより、自給自足（ケーブルレス）の動作が可能です。特にソフトロボティクスでは、外部刺激に応じて形状を変えることで機械エネルギーを生成できる液体クリスタルポリマーを使用できます。1989年にロデニー・ブルックスが作成したGhengisは、複雑な地形を越えることができる六脚ロボットであり、これには六つのアクチュエータが使用されています。

ソフトウェア
キットには、一般的なロボティクス機能に対応するオープンソフトウェアプラットフォームが付属しており、ソフトウェア（赤外線センサー、モーター、マイク、ビデオカメラ）と簡単に接続できる一般的なロボティクスハードウェアも付属しています。これにより、ロボットの機能が拡張されます。
ロボットを変更して様々な機能を達成するプロセス（例えば、協力）は、モジュールの選択、モジュールの交換、ソフトウェアによるロボット指令、そして実行を含むことができます。

タイプ


= ソフトロボット =
柔軟なグリッパを持つロボティクスは、適応型ロボティクスシーンの新興分野であり、Venus flytrapに基づいています。二つのソフトロボティック表面が包み込みとピンchingグリップモジュールを提供します。この技術は、多様な環境でテストされ、異なる物体の影響、物体位置の誤差、そして柔軟ロボティック表面の設置が握力にどのように影響するかを決定します。ケーブルレスの動作が可能であり、特に液体クリスタルポリマーなどの二方向の形状記憶効果を持つ刺激応答性材料を使用するソフトロボットで特に可能です。これにより、液体クリスタルポリマーは外部刺激に応じて形状を変えることで機械エネルギーを生成できるため、ケーブルレスの動作が可能です。

= モジュールロボット =
外気候に適応し、変化する地形や障害に対応するロボットが設計されています。これらは単なる連鎖の個々のモジュールで構成されており、シンプルなヒンジジョイントを使用して、モジュールロボットがさまざまな形状に変形し、地形を越えることができます。これらの形状には、クモ、スネーク、ループなどがあります。

= 群れロボティクス =
単純な同質ロボットのグループに対して群知能を利用するロボティクス分野です。群ロボットは、通常、実際の動物の行動を模倣したアルゴリズムに従い、環境刺激に対する動きを決定します。

= 生体ハイブリッドロボット =
生体組織や細胞を使用して、ロボットに他に難しい機能を提供する生体ハイブリッドロボティクスです。例えば、筋細胞が使用されて、特定の生体ハイブリッドロボットが動くことができます。群ロボティクスと生体ハイブリッドが特定のケース（特に医療分野）で組み合わせられます。昆虫機械ハイブリッドロボット、またはサイボーグ昆虫または昆虫バイオボットと呼ばれるのは、生体昆虫と人工的な制御システムがその体に統合され、その運動や行動を駆動または制御する融合です。

应用
適応型ロボティクスは、医療、産業、実験分野を含む多くの分野に適用されています。

挑戦と制限
人間とロボットの物理的な協力を含むシステムは、人間の不確実性のために設計が難しいです。人間は感情、生物学的過程、ロボットにとって未知の他の外部要因によって、動作の力を定期的に変更します。これにより、ロボットにおける適応に成功するために感覚データを量化的に難しくします。さらに、医療シナリオにおける患者が必要とする特定のニーズ、特徴、好みは、人によって異なります。適応型ロボティクスシステムは、患者から患者に新しい環境に適応するために時間がかかります。

感覚技術からの信頼性の高いデータが必要であるため、適応型システムにとって挑戦が存在します。特にAI領域では、AIモデルが急速に進化するため、これらのシステムに対して必要な情報を提供できる周辺技術の開発がますます難しくなっています。さらに、AIアルゴリズムをトレーニングするための動的な環境が必要であるため、トレーニング中に機械が直面する可能性のある全てのシナリオがトレーニング中に提供されるわけではないという課題があります。

群れロボットは、干渉や衝突、不確実性、専門化の欠如、そして群の行動パターンの理解が欠如するなどの制限に直面します。生体ハイブリッドロボティクスは、生体材料の特性により多様な環境に適応できるにもかかわらず、生体細胞が非常に繊細であるための課題があります。

参考資料
家庭用ロボット
地形適応