以几何探索功能追随形态的机器人具身化
OriginalFunction Follows Form: An Exploration of Robotic Embodiment through Geometry
This cognitivist approach to robot design is in-line with critiques from disability studies, which argues that assuming a single normative body ignores the diversity of human body-environment interactions, unfairly limiting human potential.
- 发布时间
- 2023-06
内容介绍
机器人设计中一个长期存在的默认假设是:身体只是运载「大脑」的容器,真正重要的是控制系统。这份 MIT 博士论文(作者 Lillian Tiffany Chin,2023 年 6 月提交于电气工程与计算机科学系,导师 Daniela Rus)正是要追问:如果反过来,让形态本身承担功能,机器人能做到什么?论文标题「Function Follows Form」已经点明立场——不是先定功能再找身体,而是从几何形态出发去推导能力。值得现在看的原因在于,它不只是一篇软体机器人技术论文,还尝试把 disability studies(残障研究)的批判框架引入工程设计,这在机器人学位论文里并不常见。
论文的出发点是一条来自残障研究的批评:假定存在单一「规范身体」,会忽略人与环境交互方式的多样性,从而不公平地限制人的潜能。作者认为,当前机器人设计中的认知主义取向(把身体当容器)与这一批评同构。她的方法是从「身体与环境的交互」入手——无论这个身体是人的还是机器人的——去理解让交互成功所需的材料与工具。在这套框架下,几何被她选作设计机器人身体的核心工具,理由之一是机械超材料(mechanical metamaterials)在机器人设计中的潜力。论文的组织方式因此是:先讨论身体、材料与几何在残障研究和机器人学两边如何影响「形态」,再用两个主要案例研究来演示这套思路的实际效力。
第一个案例是 AuxBots,一组利用电动化拉胀(auxetic)外壳控制体积膨胀的模块化机器人。关键之处在于,AuxBot 的膨胀完全由几何实现,因此设计空间获得了很强的可控性。作者据此做出了两种取向的版本:一种优化速度与膨胀比,实现 0.2 秒内 390% 的体积膨胀;另一种优化力输出,最大 135 N,强度—重量比达 76 倍,据论文表述是模块化机器人中最高之列。这意味着刚度、速度与力之间的权衡可以被显式地做出,而权衡的根源正是几何参数如何影响整体系统行为。
第二个案例是一种被称为 fluidic innervation 的传感化技术:在 3D 打印超材料的支柱内部构造空空气通道,当超材料变形时通道体积随之改变,再依据理想气体定律,用现成的压力传感器测出这一变化。这样做的特别之处在于,通道沿着构成超材料的同一批结构元素走,感知因此与材料自身的几何直接绑定。作者的结论是,当复杂超材料(例如 handed shearing auxetics)被传感化之后,可以做出完全具备本体感知能力的软体机器人系统——结构、驱动与感知被嵌入到同一个几何之中。
把两个案例放在一起看,它们支撑的不只是「几何是好用的设计工具」这一技术判断,还有一个方法论主张:社会科学框架可以为机器人开发提供实质输入,而不只是事后的伦理附注。换句话说,论文想证明的是一种跨学科做法的可行性,而非仅仅交付两个硬件原型。对实践者而言,这意味着设计机器人身体时可以更自觉地把形态当作参数空间来调度,把刚度、速度、力的取舍前置到几何层面;同时也提示,感知不一定要作为外挂模块附加,它可以长在结构本身里。
适合读这份资料的人,大概是想了解软体机器人、超材料设计、模块化机器人,或对工程与社会科学交叉方法感兴趣的读者。读完可以拿走的是一套具体的设计视角:几何作为可操作的设计变量,以及两个可对标的实现路径(拉胀外壳的体积控制、通道式传感化)及其量化结果。需要说明的边界是:材料提供的只有论文摘要与部分致谢,两个案例之外的论证细节、实验条件与对比基线都无从判断;残障研究框架在论文中究竟落实到什么程度,也仅能从摘要中「用其框架更好地指导机器人设计实践」这一表述推知,不宜过度外推。
原文摘录
自动提取自 PDFFunction Follows Form: An Exploration of Robotic Embodiment through Geometry by Lillian Tiffany Chin B.S., Massachusetts Institute of Technology (2017) S.M., Massachusetts Institute of Technology (2019) Submitted to the Department of Electrical Engineering and Computer Science in partial fulfillment of the requirements for the degree of Doctor of Philosophy at the MASSACHUSETTS INSTITUTE OF TECHNOLOGY June 2023 ©Lillian Chin, 2023. All Rights Reserved. The author hereby grants to MIT a nonexclusive, worldwide, irrevocable, royalty-free license to exercise any and all rights under copyright, including to reproduce, preserve, distribute and publicly display copies of the thesis, or release the thesis under an open-access license. Authored by: Lillian Tiffany Chin Department of Electrical Engineering and Computer Science May 19, 2023 Certified by: Daniela Rus