使用高效能建模工具MapleSim讓機器人研究發展更快速
機器人模仿人類的能力一直是科學界所關注的話題之一。其複製人類運動與行為的貢獻已應用於醫療、電腦技術、國防、太空探索等等更多的領域。
根據Adept Scientific公司所描述, 在曼徹斯特大學已經啟用了透過MapleSim物理建模軟體進行強健機器人行走行為的計畫。曼徹斯特的跨學科計算與動態分析中心(CICADA)，已經與義大利技術研究中心Darwin Caldwell教授合作, 透過以IIT的人形機器人iCub為基礎來開發新型人形機器人(CCub)的研究。
.jpg)
CICADA的部分工作著眼於機器人行走與其他運動行為之混合模式。其模型使用彈簧/阻尼器來模擬地面的反作用力，利用致動器動態與適應性元件來擷取機器人的整體動態反應。
由Dr. Martin Brown與Dr. Gustavo-Cerda所帶領的曼徹斯特團隊所面臨的挑戰，是如何能快速且有效的視覺化其測試結果，以確認其相關實驗測試結果是正確的且相關的, 同時避免研究進度的延遲。
由Dr. Martin Brown與Dr. Gustavo-Cerda所帶領的曼徹斯特團隊所面臨的挑戰，是如何能快速且有效的視覺化其測試結果，以確認其相關實驗測試結果是正確的且相關的, 同時避免研究進度的延遲。
曼徹斯特大學Houman Dallali表示: “MapleSim的可視化功能，以及透過物理元件建立模型的環境, 不用我們自己撰寫程式來展示結果，對我們的研究幫助非常大…”。“更重要的是，我們可以直接產生C++程式代碼放入硬體內, 透過實際硬體界面來加速控制器執行/調校過程。”
.jpg)
廣泛且先進的元件庫，可以在同一環境中使用多領域的元件， 讓Dallali能夠輕鬆的使用”拖放”的建模環境建立構造複雜的機器人模型，再者因為MapleSim的直覺式建模界面, 使Dallali能不費吹灰之力的編輯現有模型。
MapleSim提供的線性化技術對於機器人建模也很重要。”我們可以更快速的建立模型而且以更佳的數據進行完整試驗，這都要歸功於MapleSim的精確性與動態模擬能力。”Mr. Dallali繼續說，”從Adept Scientific團隊無時不在的支援可以確認該專案的執行可無縫地從一個階段轉換到下一階段。”
MapleSim輔助研究的速度與成功表示CICADA團隊將可快速達到控制機器人整體的行走動態與擴展步態範圍的計畫。
.jpg)
Dr. Martin Brown與他的博士生 Onder Tutsoy正在進行人形機器人的”強化學習 (reinforcement learning)”以及”反覆學習 (iterative learning)”技巧。Mr Dallali表示”在未來，我們將增加邏輯與學習方法到我們的程式代碼中，並且希望從研究中開發應用，如開發更好的義肢與輔助行走工具。”
