모듈형 로봇공학의 미래: EPFL의 Mori3, 다각형 메싱 로봇
홈페이지홈페이지 > 소식 > 모듈형 로봇공학의 미래: EPFL의 Mori3, 다각형 메싱 로봇

모듈형 로봇공학의 미래: EPFL의 Mori3, 다각형 메싱 로봇

Mar 01, 2024

게시됨

~에

에 의해

생물학적 세계의 군집 행동과 디지털 영역의 다각형 메싱이 함께 결합되어 모듈형 로봇 분야의 혁신인 Mori3 로봇 제작에 영감을 주었습니다. EPFL 연구원들이 개발한 이 새로운 발명품은 2D 삼각형을 거의 모든 3D 물체로 변형할 수 있는 가능성을 보여줌으로써 우주 여행 응용 분야에 대한 중요한 가능성을 예고합니다. 최근 Nature Machine Intelligence에 발표된 이 연구는 로봇 공학의 미래에 대한 흥미로운 그림을 그립니다.

Reconfigurable Robotics Lab의 책임자인 Jamie Paik은 "Mori3의 목표는 환경과 작업에 따라 마음대로 조립하고 분해할 수 있는 종이접기 같은 모듈식 로봇을 만드는 것입니다."라고 말합니다. 그녀는 계속해서 “Mori3는 크기, 모양, 기능을 변경할 수 있습니다.”라고 말합니다.

Mori3 로봇은 각각 삼각형 모양의 개별 모듈로 구성됩니다. 이러한 모듈은 원활하게 연결되어 다양한 크기와 구성의 다각형을 형성합니다. 이 절차를 다각형 메싱이라고 합니다. 로봇 공학 박사후 연구원인 Christoph Belke는 "우리는 다각형 메싱이 실행 가능한 로봇 전략이라는 것을 보여주었습니다."라고 말합니다.

이러한 혁신을 달성하려면 기계 및 전자 설계, 컴퓨터 시스템, 엔지니어링을 포함한 다양한 로봇 공학 측면의 경계를 넓혀야 했습니다. Belke는 “로봇공학을 이해하는 방식을 다시 생각해야 했습니다.”라고 설명합니다. "이러한 로봇은 자신의 모양을 바꾸고, 서로 부착하고, 의사소통하고, 재구성하여 기능적이고 연결된 구조를 형성할 수 있습니다." Mori3 로봇이 이동성, 물체 취급 및 운반, 사용자 상호 작용 등 주요 로봇 능력에 대한 숙련도를 입증함에 따라 개념 증명은 성공적인 것으로 간주됩니다.

Mori3와 같은 모듈식 및 다기능 로봇은 특히 모양이나 구성을 변경해야 하는 광범위한 작업을 수행할 때 상당한 이점을 제공합니다. 백남준은 “서로 연결되어 관절 구조를 만드는 다각형 및 다형성 로봇은 다양한 응용 분야에 효과적으로 사용될 수 있다”고 설명합니다.

그녀는 또한 Mori3와 같은 범용 로봇이 특정 영역에서는 특수 로봇보다 덜 효과적일 수 있다는 점을 인정합니다. 백남준은 “Mori3의 가장 큰 판매 포인트는 다양성입니다.”라고 지적합니다. 설계자들은 Mori3 로봇이 우주선에 활용될 것으로 예상하는데, 이는 각 개별 작업에 대해 서로 다른 로봇을 수용할 공간이 부족합니다. 연구원들은 통신 목적과 우주 임무에서 외부 수리에 사용되는 Mori3 로봇을 볼 수 있기를 희망하고 있습니다.

Mori3의 개발은 로봇 분야의 기념비적인 변화를 알리며 모듈형 로봇 분야의 가능성을 보여줍니다. 디지털과 생물학적 영감의 독특한 결합으로 작업과 환경에 따라 형태와 기능을 변경할 수 있는 로봇이 탄생했습니다. 이는 특히 우주 탐사에서 엄청난 잠재력을 지닌 기능입니다.

그러나 기술이 발전함에 따라 이러한 다재다능한 로봇의 기능을 최적화하고 잠재적인 단점을 신중하게 관리하는 것이 중요할 것입니다. 로봇 공학의 이러한 혁신적인 도약은 수많은 기회와 질문을 열어 향후 몇 년 동안 주목할만한 흥미로운 분야가 되었습니다. Mori3가 길을 닦으면서 우리는 이 선구적인 기술이 로봇공학과 우주 탐사에 접근하는 방식을 어떻게 변화시킬지 기대합니다.

수중 탐험의 혁명: 브라운 대학교의 Pleobot이 해양의 비밀을 밝혀줍니다

연구원들은 ChatGPT와 협력하여 로봇을 설계합니다.

Alex McFarland는 인공 지능의 최신 개발을 다루는 브라질 기반 작가입니다. 그는 전 세계 최고의 AI 기업 및 출판물과 협력해 왔습니다.

로봇 공학의 혁신: 전자 장치 없이 작동하는 3D 프린팅 그리퍼

로봇 공학의 새로운 시작: 터치 기반 개체 회전

인간 주도형 AI 프레임워크는 새로운 환경에서 더 빠른 로봇 학습을 약속합니다.