Ein Roboter aus Robotern: Emergente Transport- und Steuerungsmechanismen eines Smarticle-Ensembles

Die Robotermotorik wird typischerweise durch die koordinierte Integration von spezialisierten Komponenten wie Aktuatoren, Sensoren, Körpersegmenten und Gliedmaßen erzeugt. Wir nehmen an, dass zukünftige Roboter sich selbst antreiben könnten, indem sie Systeme nutzen, in denen die Abgrenzung von Komponenten und ihren Wechselwirkungen nicht so klar ist, und robuste sowie flexible Einheiten bilden, die aus funktionalen, redundanten und generischen Komponenten bestehen und stochastisch interagieren können. Die Kontrolle eines solchen Kollektivs wird zu einer Herausforderung, da Synthesetechniken typischerweise bekannte Eingangs-Ausgangs-Beziehungen voraussetzen. Um Prinzipien zu entdecken, auf denen solche zukünftigen Roboter aufgebaut und gesteuert werden können, untersuchen wir ein Modell robophysikalisches System: planare Ensembles von periodisch deformierenden smarten, aktiven Partikeln – Smarticles. Eingeschlossen könnten diese individuell immobilen Roboter kollektiv durch stochastische mechanische Wechselwirkungen diffundieren. Wir zeigen experimentell und theoretisch, dass eine gerichtete Drift eines solchen Supersmarticles durch Inaktivierung einzelner Smarticles erreicht werden könnte, und nutzten dieses Phänomen, um endogene Phototaxis zu erzeugen. Durch die numerische Modellierung der Beziehung zwischen Smarticle-Aktivität und Transport erhellten wir die Rolle der Smarticle-Deaktivierung auf die Dynamik des Supersmarticles mit wenigen Daten – einer einzigen experimentellen Probe. Aus dieser Zuordnung zeigen wir, dass das Supersmarticle exogen überall in der Ebene gesteuert werden könnte, wodurch die Fähigkeiten des Supersmarticles erweitert werden, während gleichzeitig dezentrale Regelungsschleifen ermöglicht werden. Wir schlagen vor, dass das Smarticle-Modellsystem helfen könnte, Prinzipien zu entdecken, anhand derer eine Klasse zukünftiger "stochastischer" Roboter auf kollektive interne mechanische Wechselwirkungen vertrauen kann, um Aufgaben zu erfüllen.