Robótica

Uso de Swarm Robotics para reparar arrecifes

Uso de Swarm Robotics para reparar arrecifes

El año pasado, los investigadores de Universidad Heriot-Watt en Escocia desarrolló una forma de ayudar a reconstruir arrecifes dañados utilizando el concepto cada vez más popular de robótica de enjambre. Durante el año pasado, se han basado en su concepto inicial y recientemente han establecido un Pedal de arranque proyecto.

[Fuente de imagen: Pedal de arranque]

Mediante el uso de un conjunto de submarinos autónomos robots, el equipo cree que podrá reparar gran parte del daño causado al arrecifes por las tormentas, la pesca de arrastre y el turismo. Por lo general, muchos de estos tipos de reparaciones son realizados por buzos, pero los humanos solo pueden bucear hasta ahora ... aquí es donde robots Adelante.

[Fuente de imagen: Pedal de arranque]

Como su nombre indica, robótica de enjambre se basa en el comportamiento de enjambre que se puede observar en hormigas, abejas, termitas y otros insectos que trabajan juntos para lograr un objetivo. Al dar robots la capacidad de sentir e interactuar con otros robots dentro de un entorno, pueden lograr metas y objetivos como equipo.

Programando el robots con la capacidad de sentir y reconocer trozos y trozos de coral, el equipo tiene como objetivo reemplazar a los buceadores humanos con un "equipo" de robótica reparadores que se pueden dejar caer después de que se ha producido un daño en un arrecife.

Mientras su Pedal de arranque La página ofrece escasos detalles sobre cómo planean abordar el desafío de programar el robots para reconocer qué es y qué no es coral "saludable", la idea de utilizar robots abordar estas reparaciones es noble. Apenas estamos comenzando a arañar la superficie del potencial de robótica de enjambre y esperamos poder ver más proyectos como este en el futuro.

Si quieres contribuir a este proyecto y ayudar a hacer realidad este sueño, puedes echarles un vistazo. aquí!

Ver el vídeo: DeepGait: Planning and Control of Quadrupedal Gaits using Deep Reinforcement Learning Presentation (Octubre 2020).