Alexander Hošovský: Inšpirácia prírodou je pre soft robotiku zásadná

Laureát získal ocenenie v kategórii Osobnosť vedy a techniky za prínos v oblasti soft mechanizmov s aplikáciou metód výpočtovej inteligencie.

Prof. Ing. Alexander Hošovský, PhD., ktorý pôsobí na Katedre priemyselného inžinierstva a informatiky Fakulty výrobných technológií Technickej univerzity v Košiciach so sídlom v Prešove, sa od roku 2008 špecializuje na oblasť modelovania, identifikácie a riadenia soft robotických mechanizmov využitím metód umelej inteligencie a strojového učenia.

V oblasti svojho výskumu patrí medzi svetovo uznávaných odborníkov, o čom svedčí aj pozvané plné členstvo v tretej najstaršej čestnej vedeckej spoločnosti na svete, ktorou je Sigma Xi The Scientific Research Honor Society. Medzi jej členov patria také zvučné mená ako Albert Einstein, Linus Pauling, Jennifer Doudnová či James Watson.

Počas tohtoročného Týždňa vedy a techniky na Slovensku si prevzal ocenenie Cena za vedu a techniku v kategórii Osobnosť vedy a techniky za svoj prínos v oblasti modelovania a riadenia soft mechanizmov s aplikáciou metód výpočtovej inteligencie.

Laudácio prof. Ing. Alexandra Hošovského, PhD. (.pdf)

V rozhovore pre portál VEDA NA DOSAH okrem iného priblížil, čomu sa venuje vo svojom výskume, prečo je oblasť robotiky taká náročná, v čom sa líši tradičná robotika od soft robotiky, aké je v súčasnosti uplatnenie soft mechanizmov v praxi, ale aj to, aká bola jeho cesta k vede.

O soft robotike a soft mechanizmoch

Získali ste ocenenie Cena za vedu a techniku za výskum v oblasti modelovania a riadenia soft mechanizmov s aplikáciou metód výpočtovej inteligencie. Čo sú to vlastne tie soft mechanizmy?

Soft mechanizmy môžeme chápať ako mechanizmy, ktorých (mechanická) štruktúra je z mäkkých materiálov. Mäkkosť materiálov môžeme posudzovať podľa ich modulu pružnosti v ťahu. Hoci hranica, keď je možné materiál z hľadiska modulu pružnosti v ťahu považovať za mäkký z pohľadu soft robotiky, nie je jasne určená, hornú hranicu tvoria materiály ako TPU (termoplastický polyuretán) a tuhé gumy, strednú typické materiály soft robotiky ako silikón a polyuretán a spodnú, napríklad hydrogély. Na rozdiel od tuhých robotov, ktorých ramená sú štandardne z kovov alebo tvrdých plastov, ramená soft robotov pozostávajú z elastomérov, gumy alebo hydrogélových materiálov a pri činnosti robota sa predpokladá ich deformácia (napríklad ohybom).

Soft mechanizmy môžeme chápať ako mechanizmy, ktorých (mechanická) štruktúra je z mäkkých materiálov.

Čo vás priviedlo k špecializácii na soft mechanizmy?

K poddajným pohonom (pneumatickým umelým svalom) som sa dostal pri nástupe na doktorandské štúdium, pričom moja téma sa týkala riadenia poddajných kĺbov manipulátorov, ktoré boli poháňané dvojicou antagonisticky zapojených umelých svalov. Po ukončení doktorandského štúdia som vedeckú orientáciu doplnil o metódy výpočtovej inteligencie aplikovaných na modelovanie a riadenie poddajných mechanizmov.

Aké je uplatnenie soft robotov v praxi a v akých odvetviach sa využívajú najviac?

V prípade soft robotiky nie je zatiaľ možné hovoriť o podobne rozsiahlom uplatnení, ako je to v prípade tradičných, rigidných (tuhých) robotov. Rozmanitosť oblastí aplikácie v prípade tradičných robotov siaha od automobilovej výroby cez poľnohospodárstvo a lesníctvo po vesmír a medicínu.

V rámci mäkkých mechanizmov môžeme v súčasnosti označiť za najúspešnejšiu práve oblasť robotických uchopovačov (gripprov). Soft grippre sa môžu líšiť konštrukciou tvorenou viacerými prstami z mäkkých elastomérov, prípadne mäkkou „čiapkou“, ktorá sa môže deformovať (prispôsobovať) podľa tvaru uchopovaného objektu. Takéto grippre sa využívajú napríklad v potravinárstve na uchopovanie rôznych mäkkých produktov bez rizika ich zničenia alebo v poľnohospodárstve pri automatizovanom zbere plodov.

Soft mechanizmy sa nasadzujú aj v oblasti medicíny, pri konštrukcii katétrov alebo exoskeletonov určených na rehabilitáciu. Ako perspektívna sa javí aj oceánografia, v rámci ktorej možno využívať podmorské roboty.

O trendoch, technických výzvach a inšpirácii prírodou

Aké sú v súčasnosti najväčšie trendy v oblasti soft robotiky?

V porovnaní s konvenčnou priemyselnou robotikou je dominantnou oblasťou výskumu soft robotiky práve oblasť materiálov. Hľadanie nových mäkkých materiálov, ktoré budú mať zaujímavé vlastnosti z pohľadu ich možnej aplikácie v soft mechanizmoch, je hnacím motorom pre progres v tejto sfére.

Takéto materiály musia byť nielen mäkké, ale musia vyhovovať aj po stránke životnosti a odolnosti, umožňovať jednoduchú výrobu, prípadne biokompatibilitu (hlavne v medicínskych aplikáciách). Veľmi pozoruhodnou vlastnosťou niektorých takýchto materiálov je tiež možnosť samosnímania (self-sensing), vďaka čomu je možné napríklad v soft pohonoch určovať dôležité mechanické veličiny, ako je posunutie bez použitia externých snímačov.

Dominantnou oblasťou výskumu soft robotiky je práve oblasť materiálov.

Soft robotika je však veľmi úzko prepojená aj s oblasťou (umelej) inteligencie. Perspektívne je používanie metód, ako je hlboké učenie na modelovanie soft mechanizmov. Novým smerom je aj oblasť EI („vtelenej“ inteligencie) a PI („fyzickej“ inteligencie), kde inteligencia nepochádza len z riadiaceho člena ako analógie mozgu, ale je výsledkom fyzickej interakcie medzi konštrukciou robota, riadením a prostredím. Inteligentné správanie je teda sčasti prenesené na nižšiu, mechanickú úroveň v porovnaní s výhradne najvyššou úrovňou sprostredkovanou centrálnym výpočtovým prvkom.

V čom je práca so soft robotmi iná ako s tradičnými robotmi? Aké sú najväčšie technické výzvy?

Robotika sama osebe je veľmi náročná veda práve pre jej prirodzenú multidisciplinaritu. Navrhovanie robotov zahŕňa okrem návrhu mechanickej štruktúry z pohľadu strojárstva aj návrh pohonov (typicky elektrických) z pohľadu elektrotechniky a riadenia z pohľadu automatizácie. Toto všetko si vyžaduje veľmi zložité matematické modely riešenia kinematických a dynamických úloh a plánovania trajektórie.

Robotika je veľmi náročná veda práve pre jej prirodzenú multidisciplinaritu.

Soft robotika predstavuje ešte väčšiu výzvu, pretože mäkké materiály používané pre konštrukciu týchto mechanizmov vykazujú veľmi zložité správanie charakterizované javmi, ako je hysteréza (jav, pri ktorom závisí výsledný stav systému nielen od jeho aktuálnych podmienok, ale aj od tých minulých, pozn. red.) a creep efekt (jav, pri ktorom sa materiál pomaly, trvalo deformuje pod dlhodobým pôsobením konštantného napätia, pozn. red.). Navyše mechanizmy, ako sú soft kontínuové ramená, majú teoreticky nekonečný počet stupňov voľnosti. V spojení s mäkkými materiálmi to vedie k extrémne komplexným modelom vyžadujúcim si obvykle nejakú formu aproximácie pre ich použiteľnosť v praktických prípadoch.

Inšpiruje sa soft robotika aj prírodou?

Inšpirácia prírodou je pre soft robotiku úplne zásadná. Kým v prípade priemyselných robotov môžeme hovoriť o voľnej inšpirácii pohybu ramena pri manipulácii s objektom alebo o inej činnosti, pri soft robotike môžeme hovoriť o veľmi silnej inšpirácii prírodou pre samotnú štruktúru robota. Je to dané tým, že väčšina živočíchov má mäkkú štruktúru vďaka tkanivám – to je veľmi dôležité pri fungovaní v neštruktúrovanom prostredí, kde takéto štruktúry umožňujú určitú formu adaptácie na mechanickej úrovni.

Inšpirácia prírodou je pre soft robotiku úplne zásadná.

Okrem toho koncepty, vyššie uvedené EI alebo PI, majú svoj pôvod v inšpirácii prírodou, kde niektoré organizmy riešia úlohy riadenia na nižšej hierarchickej úrovni. Príkladom môže byť chobotnica, ktorej ramená nie sú primárne riadené centrálnym elementom (mozgom), ale decentralizovaným systémom umiestneným v každom z nich.

Umelá inteligencia a strojové učenie v oblasti soft robotiky

Ako prebieha modelovanie a riadenie soft mechanizmov?

Napriek tomu, že v posledných dvoch dekádach došlo k veľmi významnému posunu v oblasti modelovania a riadenia soft robotov, stále sú medzi prepracovanosťou týchto oblastí pre rigidné roboty a soft roboty značné rozdiely. Je prirodzené, že v špecifických prípadoch je snahou využívať známe a veľmi dobre etablované metódy aj pre modelovanie a riadenie soft robotov. Príkladom môže byť využívanie Lagrangeovho formalizmu (matematický prístup, ktorý sa používa na odvodenie pohybových rovníc robotických mechanizmov – teda vzťahov medzi silami (resp. momentmi) a pohybom (uhlovými polohami, rýchlosťami a zrýchleniami kĺbov), pozn. red.) pre modelovanie dynamiky robotov, čo je štandardný prístup umožňujúci získať pohybové rovnice robota pre jednotlivé stupne voľnosti (kĺby).

V soft robotoch môže okrem ohybu dochádzať aj k ďalším typom deformácií, ako sú strih, krútenie alebo ťah.

V prípade soft robotov je možné za určitých zjednodušujúcich predpokladov použiť rovnaký prístup, napríklad ak jednotlivé segmenty soft kontínuového ramena nahradíme oblúkmi a využijeme tzv. model s po častiach konštantným zakrivením (PCC). Takto prechádzame z nekonečného počtu stupňov voľnosti, ktoré soft kontínuové rameno má, na dva alebo tri. V mnohých prípadoch však takéto zjednodušenie povedie k veľkým nepresnostiam modelov, preto je potrebné voliť prístupy, ktoré sa v tradičnej robotike nepoužívajú. Treba si uvedomiť, že v soft robotoch môže okrem ohybu dochádzať aj k ďalším typom deformácií, ako sú strih, krútenie alebo ťah. Pokiaľ je nutné uvažovať i o takýchto typoch deformácií, zlatým štandardom modelovania je teória Cosseratových tyčí, ktorá však vedie k nelineárnym parciálnym diferenciálnym rovniciam.

Nachádza v tomto ohľade uplatnenie aj umelá inteligencia?

Je zrejmé, že vzhľadom k výzvam, ktoré modelovanie soft robotov predstavuje, je veľmi častá aplikácia AI/ML metód (metód umelej inteligencie a strojového učenia, pozn. red.), ktorá umožňuje využiť obrovskú flexibilitu napríklad hlbokých modelov, ako sú rekurentné neurónové siete alebo transformery. Ďalšiu vrstvu komplexnosti potom predstavuje uvažovanie o interakcii robotov s prostredím, resp. uvažovanie o ich zaťažení, čo je práve pre nesmiernu zložitosť zanedbávané.

Aplikácia soft robotov v praktických scenároch si vyžaduje rovnaké ciele, ako sú sledovanie stanovenej trajektórie vrátane vyhýbania sa prekážkam. Vzhľadom k vyššie uvedeným výzvam je obľúbeným prístupom využitie hlbokého učenia s posilňovaním, ktoré vychádza predovšetkým z interakcie robota s prostredím v snahe maximalizovať odmeny získané za zásahy vedúce k splneniu stanoveného cieľa. V súčasnosti prácu v tejto oblasti značne uľahčuje využívanie sofistikovaných softvérov, či už pre vysoko presné simulácie (COMSOL, ANSYS), alebo návrh riadenia (MATLAB, SoRoSim).

Aké pokroky umožnila umelá inteligencia a strojové učenie v oblasti, v ktorej pôsobíte?

Ako pre mnohé ďalšie oblasti, tak aj na oblasť soft robotiky mal pokrok v umelej inteligencii (AI) a strojovom učení (machine learning, ML) významný vplyv. Spojeniu výpočtovej inteligencie (VI) a soft robotiky sa venujem už od roku 2008, keď sme metódy VI aplikovali na poddajné kĺby manipulátorov s rigidnou štruktúrou poháňané najprv McKibbenovými a neskôr fluidnými svalmi. Už v tomto období, keď ešte nedošlo k revolúcii spôsobenej hlbokým učením vykazovali metódy VI (plytké neurónové siete, fuzzy systémy, evolučné algoritmy a rojová inteligencia) veľký potenciál v modelovaní a riadení takýchto systémov vzhľadom k nelineárnym a časovo závislým charakteristikám týchto pohonov.

Nástup nových architektúr, ako boli konvolučné alebo rekurentné neurónové siete (konvolučné siete (CNN), sa využívajú na spracovanie obrazových dát, kým rekurentné siete (RNN) sa špecializujú na analýzu sekvenčných údajov, pozn. red.), ďalej prehĺbil možnosti pri vytváraní vysoko presných modelov s primeranými inferenčnými časmi. S rastúcou zložitosťou soft mechanizmov kombinujúcich napríklad viaceré typy soft pohonov alebo využívajúcich samosnímacie vlastnosti materiálov, prípadne vnorenie soft snímačov do ich štruktúry, sa zvýšili aj požiadavky na flexibilitu modelov, ktorú poskytujú napríklad transformery.

Pokrok v umelej inteligencii a strojovom učení má významný vplyv aj na oblasť soft robotiky.

Aj vďaka tomu existuje alternatíva k FEM modelom (FEM model, model konečných prvkov, je počítačový model, ktorý používa metódu konečných prvkov (FEM) na riešenie komplexných fyzikálnych problémov, pozn. red.), ktoré poskytujú najvyššiu vernosť, avšak za cenu veľmi dlhých dôb simulácie, čo môže byť dôležité pri aplikácii metód, ako je hlboké učenie s posilnením, kde tréning prebieha v simulačnom prostredí. Hoci v tomto prípade hovoríme o využití modelov v podobe čiernej skrinky (tzv. black box modely), ktorých vnútorná štruktúra nie je žiadnym spôsobom naviazaná na fyzikálne procesy prebiehajúce v systéme, veľmi perspektívnym je v súčasnosti prístup fyzikálne informovaných neurónových sietí, ktoré do tréningu umožňujú zakomponovať čiastočné znalosti, a tak znížiť potrebu dátových súborov, ako aj zlepšiť generalizačné schopnosti výsledného modelu.

Veľmi perspektívnym je v súčasnosti prístup fyzikálne informovaných neurónových sietí.

Ďalším príkladom, kde súčasné metódy AI/ML umožnili dosiahnuť významné pokroky, sú tzv. e-kože, čo sú elektronické systémy imitujúce vlastnosti ľudskej kože. V snahe zvyšovať rozlíšenie e-koží je potrebné spracovávať veľké množstvo dát, medzi ktorými sú zložité vzťahy vyplývajúce z povahy deformácií, ku ktorým dochádza, kde je možné s výhodou využiť moderné algoritmy z oblasti strojového učenia a umelej inteligencie.

Ste držiteľom viacerých patentov, resp. úžitkových vzorov týkajúcich sa systémov na báze pneumatických umelých svalov. O aké patenty ide a kde sa využívajú?

Tieto patenty sa týkajú mechanizmov využívajúcich fluidné svaly ako poddajný pohon, buď v antagonistickom zapojení pre pohon rotačných kĺbov, multiparalelnom zapojení, alebo v kontínuových ramenách s intrinzickou štruktúrou. Časť z nich sa týka špecifických zariadení na meranie určitých charakteristík samotných fluidných svalov využiteľných v laboratórnych podmienkach na potreby modelovania. Zvyšné je možné využiť v priemyselných alebo iných aplikáciách, kde je potrebné využiť pneumatické systémy a tiež realizovať nezávislú reguláciu tuhosti mechanizmu, prípadne veľmi pomalé pohyby.

O ceste k vede a zdrojoch inšpirácie

Aká bola vaša cesta k vede? Zaujímali ste sa o robotiku už ako dieťa?

Moja cesta k vede bola možno pomerne neočakávaná. Napriek tomu, že som náklonnosť k vede v detstve neprejavoval explicitne, zaujímal som sa o mnoho vecí vrátane histórie, geografie a biológie. Zlom zrejme nastal, keď som sa začal zaujímať o vojenské letectvo, čo zhruba zodpovedá začiatku strednej školy. Tento záujem ma doviedol k jednoznačne technickému smeru na vysokej škole, čo bola letecká elektrotechnika na Vojenskej leteckej akadémii generála M. R. Štefánika v Košiciach.

Akademická pôda a výskum sú to, čo ma napĺňa.

Vo svojej náklonnosti k letectvu som síce nevytrval, umožnilo mi to však sústrediť sa na niečo, čo nebude vojenské, zato ale technické. Týmto spôsobom som sa dostal k doktorandskému štúdiu na fakulte výrobných technológií. Moja téma už mala priamy súvis s robotikou, konkrétnejšie s poddajnými pohonmi (v tom čase ešte soft robotika nemala také postavenie ako v súčasnosti). Veľmi rýchlo sa ukázalo, že to bola správna voľba. Zistil som, že práve akademická pôda a výskum sú to, čo ma napĺňa. V tomto prípade je asi správnejšie povedať, že nie ja som našiel vedu, ale veda si našla mňa (úsmev).

Máte pozvané plné členstvo v tretej najstaršej čestnej vedeckej spoločnosti na svete, ktorou je Sigma Xi The Scientific Research Honor Society, ktorá bola založená v roku 1886 na Cornellovej univerzite. Medzi jej členov patrí viac ako 200 laureátov Nobelovej ceny vrátane Alberta Einsteina, Linusa Paulinga, Jennifer Doudnovej či Jamesa Watsona. Máte medzi vedcami nejaký vzor alebo niekoho, koho práca vás inšpiruje?

Od začiatku mojej vedeckej kariéry ma fascinovali úspechy velikánov vedy, ktorých objavy zásadným spôsobom ovplyvnili ľudstvo. Z tohto dôvodu považujem členstvo v tejto spoločnosti za veľkú česť, a to i napriek tomu, že v našich podmienkach nie sú z historických dôvodov podobné spoločnosti natoľko známe ako napríklad v USA. Každá z vyššie spomenutých osobností je pre mňa všeobecnou inšpiráciou svojím oduševneným vzťahom k vede, ktorý jediný môže dať základ takýmto výsledkom.

Členstvo v tejto spoločnosti považujem za veľkú česť.

Špecificky pre sféru, ktorej sa venujem, je pre mňa inšpiráciou práca mnohých brilantných výskumníkov, ktorých tímy posúvajú hranice robotiky a umelej inteligencie významným spôsobom dopredu. Spomeniem jednu z najvýraznejších osobností tejto oblasti, profesorku Ceciliu Laschiovú, ktorú možno považovať za jednu z priekopníčok soft robotiky. Výsledky, ktoré dosiahla, zásadne ovplyvnili jej smerovanie.

Priekopníčkou v oblasti soft robotiky, ktorá zásadne ovplyvnila jej smerovanie, je profesorka Cecilia Laschiová.

V roku 2016 ste dostali ocenenie Cena za vedu a techniku v kategórii Osobnosť vedy a techniky do 35 rokov. V tomto roku ste ocenený v kategórii Osobnosť vedy a techniky. Čo pre vás toto ocenenie znamená?

Vnímam to ako ocenenie mojej práce, ako aj práce mojich kolegov, ktorí sa tomuto výskumu venujú. Ľudí oddaných vede vždy najviac napĺňa samotná práca, ako aj výsledky, ktoré dosahujú. Podobné ocenenie im však môže priniesť tiež iný rozmer naplnenia. Je pre mňa cťou, že som ho opäť získal. Takisto ma teší, že môžem týmto spôsobom zvýšiť povedomie o tejto výskumnej oblasti na našej univerzite. Zároveň ho vnímam ako záväzok vytrvať v úsilí aj naďalej.

(zh)