VIDI RSS

• VIDEO: Robotski sustavi protiv pado...
  

  Uz 6 puta manju gravitaciju u odnosu na Zemlju, Mjesec je prilično nezgodno mjesto za hodati. To je nabolje osjetilo 12 astronauta iz Apollo misija koji su imali tu čast skakutati po njegovoj površini krajem šezdesetih i početkom sedamdesetih godina prošlog stoljeća.

  Ono što je bilo zajednički svima njima je da su padali dok su koračali, skakali, trčali ili nešto radili na Mjesečevoj površini, što je izazivalo salve smijeha ljudima širom svijeta koji su ih gledali u direktnim prijenosima na TV-u, njima samima, ali i osoblju u kontrolnom centru u Houstonu, a ništa manje smiješno nisu izgledali ni njihovi pokušaji da se nakon padova ponovno osove na noge, kao što možete vidjeti u ovom videu.

  NASA zna da se padove na Mjesecu ne može spriječiti, ali znanstvenici i inženjeri MIT-a smatraju da im se može pomoći barem u ustajanju nakon padova, što će im sačuvati energiju i produžiti boravak na površini Mjeseca.

  Oni su stoga razvili jedinstvena astronautska odijela opremljena s parom nosivih robotskih udova koji mogu fizički podržati astronauta i podići ga na noge nakon pada. Sustav, koji su istraživači nazvali Supernumerary Robotic Limbs ili SuperLimbs, dizajniran je da se produži iz ruksaka, koji bi također nosio sustav za održavanje života astronauta, zajedno s kontrolerom i motorima za napajanje udova.

  "Astronauti su fizički vrlo sposobni, ali se mogu jako namučiti na Mjesecu, gdje je gravitacija jedna šestina Zemljine, dok im je inercija još uvijek ista. Nadalje, nošenje svemirskog odijela značajno je opterećenje i može suziti njihove pokrete", kaže Harry Asada, profesor strojarstva na MIT-u. "Želimo osigurati siguran način da astronauti ponovno stanu na noge ako padnu." 

  Istraživači su izgradili fizički prototip, kao i kontrolni sustav za usmjeravanje udova, na temelju povratnih informacija od astronauta koji ga koristi. Tim je testirao preliminarnu verziju na zdravim subjektima koji su također dobrovoljno nosili steznu odjeću sličnu astronautskom svemirskom odijelu. Kad su volonteri pokušali ustati iz sjedećeg ili ležećeg položaja, učinili su to s manje napora uz pomoć SuperLimbsa, u usporedbi s ustajanjem koje su morali odraditi sami, kao što možete vidjeti u ovom videu.

  Dizajn bi se mogao pokazati posebno korisnim u nadolazećim godinama, s lansiranjem NASA-ine misije Artemis, koja planira poslati astronaute natrag na Mjesec po prvi put u više od 50 godina. Za razliku od uglavnom istraživačke misije Apolla, astronauti Artemisa nastojat će izgraditi prvu stalnu bazu na Mjesecu, što je fizički zahtjevan zadatak koji će zahtijevati višestruke aktivnosti izvan landera (EVA). 

  "Tijekom ere Apolla, kada bi astronauti padali, 80 posto vremena to je bilo kada su radili iskapanje ili neku vrstu posla s alatom", kaže član tima i doktorand MIT-a Erik Ballesteros. "Misije Artemis će se usredotočiti na izgradnju i iskapanje, tako da je rizik od pada puno veći. Mislimo da im SuperLimbs može pomoći kako bi bili produktivniji i produljili svoje EVA aktivnosti."

  "U komunikaciji s NASA-om saznali smo da je ovo pitanje pada na Mjesecu ozbiljan rizik", kaže Asada. "Shvatili smo da možemo napraviti neke izmjene u našem dizajnu kako bismo pomogli astronautima da se oporave od padova i nastave s radom."

  Tim je prvo proučio načine na koje se ljudi prirodno oporavljaju od pada. U svojoj novoj studiji zamolili su nekoliko zdravih dobrovoljaca da pokušaju stajati uspravno nakon što su ležali na boku, sprijeda i na leđima.

  Istraživači su zatim promatrali kako su se pokušaji volontera da stoje promijenili kada su im pokreti bili suženi, slično načinu na koji su pokreti astronauta ograničeni masom njihovih svemirskih odijela. Tim je izradio odijelo koje oponaša krutost tradicionalnih svemirskih odijela, a volonteri su ga obukli prije nego što su ponovno pokušali ustati iz različitih palih položaja. Redoslijed pokreta dobrovoljaca bio je sličan, iako je zahtijevao mnogo više truda u usporedbi s njihovim neopterećenim pokušajima.

  Tim je mapirao pokrete svakog volontera dok su ustajali i otkrili da su svi izvodili zajednički slijed pokreta, prelazeći iz jedne poze ili "točke puta" u drugu, predvidljivim redoslijedom.

  "Ti ergonomski eksperimenti pomogli su nam da na jednostavan način modeliramo kako čovjek stoji", kaže Ballesteros. "Mogli bismo pretpostaviti da oko 80 posto ljudi ustaje na sličan način. Zatim smo dizajnirali kontroler oko te putanje."

  

  Tim je razvio softver za generiranje putanje za robota, slijedeći niz koji bi pomogao poduprijeti čovjeka i podići ga na noge. Upravljač su primijenili na tešku, fiksnu robotsku ruku koju su pričvrstili na veliki ruksak. Istraživači su zatim pričvrstili ruksak na glomazno odijelo i pomogli volonterima da se vrate u odijelo. Zamolili su volontere da ponovno legnu na leđa, sprijeda ili na bok, a zatim su ih zamolili da pokušaju stajati jer je robot osjetio pokrete osobe i prilagodio se kako bi im pomogao ustati.

  Sve u svemu, volonteri su mogli ustajati s puno manje napora uz pomoć robota, u usporedbi s onim kad su pokušavali ustajati sami dok su nosili glomazno odijelo.

  "Osjećaj je poput dodatne sile koja se kreće s tobom", kaže Ballesteros, koji je također isprobao odijelo. "Zamislite da nosite ruksak i netko vas zgrabi za vrh i nekako povuče gore. S vremenom to postane nekako prirodno."

  

  Istraživači planiraju upariti kontrolni sustav sa svojom najnovijom verzijom SuperLimbsa, koji se sastoji od dvije višezglobne robotske ruke koje se mogu izvući iz ruksaka. Ruksak bi također sadržavao bateriju i motore robota.

  Tijekom ljeta Ballesteros će izgraditi puni SuperLimbs sustav u NASA-inom Laboratoriju za mlazni pogon, gdje planira pojednostaviti dizajn i minimizirati težinu njegovih dijelova i motora korištenjem naprednih, laganih materijala. Zatim će upariti udove s astronautskim odijelima i testirati ih u simulatorima niske gravitacije, s ciljem da jednog dana pomognu astronautima u budućim misijama na Mjesec i Mars.

  
  
• Generativni AI za odgovore na slož...
  

  Kada se voda smrzne, ona prelazi iz tekuće faze u krutu fazu, što rezultira drastičnom promjenom svojstava poput gustoće i volumena. Fazni prijelazi u vodi toliko su česti da većina nas vjerojatno niti ne razmišlja o njima, ali fazni prijelazi u novim materijalima ili složenim fizikalnim sustavima važno su područje proučavanja.

  Da bi u potpunosti razumjeli ove sustave, znanstvenici moraju biti sposobni prepoznati faze i otkriti prijelaze između njih. Ali često je nejasno kako kvantificirati fazne promjene u nepoznatom sustavu, osobito kada su podaci oskudni.

  Istraživači s američkog Instituta tehnologije u Massachusettsu MIT i Sveučilišta u Baselu u Švicarskoj, primijenili su generativne modele umjetne inteligencije na ovaj problem, razvijajući novi okvir za strojno učenje koji može automatski mapirati fazne dijagrame za nove fizikalne sustave.

  Njihov pristup strojnog učenja utemeljen na fizici učinkovitiji je od mukotrpnih, ručnih tehnika koje se oslanjaju na teoretsku stručnost. Budući da njihov pristup koristi generativne modele, ne zahtijeva ogromne, označene skupove podataka za obuku koji se koriste u drugim tehnikama strojnog učenja.

  Takav bi okvir mogao pomoći znanstvenicima u istraživanju termodinamičkih svojstava novih materijala ili, na primjer, otkriti isprepletenost u kvantnim sustavima. U konačnici, ova bi tehnika mogla omogućiti znanstvenicima da autonomno otkriju nepoznate faze materije.

  Iako bi prijelaz vode u led mogao biti među najočitijim primjerima fazne promjene, egzotičnije fazne promjene, poput prijelaza materijala iz normalnog vodiča u supravodič, od velikog su interesa za znanstvenike.

  Na primjer, voda se smrzava i prelazi u krutu fazu (led) kada joj temperatura padne ispod 0 stupnjeva Celzijusa. U ovom slučaju, odgovarajući parametar reda mogao bi se definirati u smislu udjela molekula vode koje su dio kristalne rešetke u odnosu na one koje ostaju u neuređenom stanju.

  U prošlosti su se istraživači oslanjali na stručnost fizike kako bi ručno izradili fazne dijagrame, oslanjajući se na teoretsko razumijevanje kako bi znali koji su parametri reda važni. Ne samo da je to zamorno za složene sustave, a možda i nemoguće za nepoznate sustave s novim ponašanjem, već također uvodi ljudsku pristranost u rješenje.

  Istraživači s MIT-a pokazali su kako se generativni modeli mogu koristiti za rješavanje ovog zadatka klasifikacije puno učinkovitije i na način utemeljen na fizici.

  Oni uključuju generativni model u standardne statističke formule kako bi izravno konstruirali klasifikator umjesto da ga uče iz uzoraka, kao što je učinjeno s diskriminativnim pristupima.

  Ovaj generativni klasifikator može odrediti u kojoj je fazi sustava neki parametar, poput temperature ili tlaka. A budući da istraživači izravno približavaju distribucije vjerojatnosti koje se temelje na mjerenjima iz fizičkog sustava, klasifikator ima znanje o sustavu. 

  To njihovoj metodi omogućuje bolju izvedbu od drugih tehnika strojnog učenja, a budući da može raditi automatski bez potrebe za opsežnom obukom, njihov pristup značajno poboljšava računsku učinkovitost identificiranja faznih prijelaza.

  Slično kao što se od ChatGPT-a može tražiti da riješi matematički problem, istraživači mogu generativnom klasifikatoru postaviti pitanja poput "pripada li ovaj uzorak fazi I ili fazi II?" ili "je li ovaj uzorak nastao na visokoj ili niskoj temperaturi?"

  Znanstvenici bi također mogli upotrijebiti ovaj pristup za rješavanje različitih zadataka binarne klasifikacije u fizičkim sustavima, vjerojatno za otkrivanje isprepletenosti u kvantnim sustavima (je li stanje zapleteno ili ne?) ili odrediti je li teorija A ili B najprikladnija za rješavanje određenog problema.

  Također bi mogli upotrijebiti ovaj pristup za bolje razumijevanje i poboljšanje velikih jezičnih modela kao što je ChatGPT identificirajući kako bi se određeni parametri trebali podesiti tako da chatbot daje najbolje rezultate.

  Rad o ovom istraživanju objavljen u časopisu Physical Review Letters možete pronaći na ovoj poveznici. 

  
  
• Rover Rosalind Franklin na Mars ide...
  

  Rosalind Franklin, prethodno poznat kao ExoMars rover, planirani je robotski marsovski rover, dio međunarodnog programa ExoMars kojeg su vodili Europska svemirska agencija ESA i ruska agencija Roscosmos. Misija je trebala biti pokrenuta u srpnju 2020., potom je odgođena za 2022. da bi na kraju zbog ruske invazije na Ukrajinu bila potpuno zaustavljena na neodređeno vrijeme.

  Umjesto Roscosmosa u projekt se uključila NASA, koja je sada s ESA-om potpisala Sporazum o misiji Rosalind Franklin u ESA-inom sjedištu u Parizu.

  Misija pod vodstvom ESA-e lansirati će se u svemir 2028. godine, a na Crvenom planetu će tražiti znakove drevnog života. 

  Prema ovom Sporazumu, NASA Launch Services program će osigurati američkog dobavljača usluga komercijalnog lansiranja za rover i elemente propulzijskog sustava potrebne za slijetanje na Mars.

  

  Novi instrument na roveru omogućit će prvo bušenje do dubine do 2 metra ispod površine za prikupljanje uzoraka leda koji su zaštićeni od površinskog zračenja i ekstremnih temperatura.

  "Jedinstvene mogućnosti bušenja rovera Rosalind Franklin i laboratorij za uzorke imaju izvanrednu znanstvenu vrijednost za ljudsku potragu za dokazima prošlog života na Marsu," rekla je Nicola Fox, pridružena administratorica Uprave za znanstvene misije u sjedištu NASA-e u Washingtonu. "NASA podržava misiju Rosalind Franklin za nastavak snažnog partnerstva između Sjedinjenih Država i Europe u istraživanju nepoznatog u našem Sunčevom sustavu i šire."

  Kroz postojeće, odvojeno partnerstvo s Njemačkim svemirskim centrom (DLR) i francuskom svemirskom agencijom CNES (Centre National d'Etudes Spatiales), NASA doprinosi ključnim komponentama primarnom znanstvenom instrumentu rovera Rosalind Franklin, Mars Organic Molecule Analyzeru, koji tražit će sastavne dijelove života u uzorcima tla.

  Misija rovera Rosalind Franklin nadopunjuje kampanju s više misija u programu Mars Sample Return koju vode obje agencije s ciljem dovođenja uzoraka tla Marsa na Zemnlju.