Dat robots en computers fantastisch veel kunnen weet iedereen intussen. Ze winnen in elk denkspel, lossen de moeilijkste vergelijkingen op in fracties van seconden en simuleren de moeilijkste fysische verschijnselen met gemak. Ook al kunnen ze de moeilijkste problemen met gemak oplossen, toch zijn er zoveel simpele zaken waar zelfs de beste robots moeite mee hebben.
Misschien hebt u al eens een video van Boston Dynamics bekeken waarin robots simpele bewegingen uitvoeren zoals lopen en springen. Maar daarnaast bestaan er honderden video's waarbij zulke robots spectaculair op de grond vallen wanneer ze nog maar op een drempel moeten stappen. We staan er niet altijd bij stil dat, hoewel wij deze simpele bewegingen leren als kleuter, ze voor robots de moeilijkste en zwaarste opdrachten zijn.
Dit principe heet Moravec's paradox: Alles wat moeilijk is voor ons is simpel voor computers en andersom.
Maar gelukkig kunnen we ergens spieken. Ergens waar al miljarden lichamen en breinen tot in perfectie zijn gesynchroniseerd. We kunnen spieken bij de evolutie van de natuur. Samen met wat computermagie kunnen we de principes van evolutie na-apen om perfecte robotmodellen te creëren en zo zelf meer over de evolutie te leren.
Dat mensen en dieren zo goed zijn in fijne motoriek is wellicht omdat de lichamen samen met het brein over miljoenen jaren geëvolueerd zijn voor optimaal gebruik. Wanneer we robots maken wordt hun lichaam uit het niets ontworpen en moet het direct perfect bestuurd worden.
Dus waarom zouden we niet de evolutie na-apen? In plaats van dat we zelf onze robots ontwerpen, kijken we naar welke functies onze robot moet uitoefenen en zoeken we naar organismen in de natuur die deze functies nabootsen. Zo kan de staart van een zeepaardje of de neus van een olifant een perfect voorbeeld van een grijpende robotarm zijn. Dit principe heet bio-inspired robotics (ofwel bio-geïnspireerde robotica). Dries Marzougui van IDLab-AIRO Imec aan de UGent kon deze principes gebruiken om een model van een slangster te maken. Deze kan dan gebruikt worden om diepzee drones te maken.
Maar wat als er een robot nodig is die stabiel kan wandelen, snel kan lopen en ver kan springen?
Dan kan een organisme in de natuur dat deze acties kan uitvoeren als voorbeeld dienen. Een perfect voorbeeld daarvan zijn springspinnen.
Ze kunnen recht, ver en stabiel springen naar hun prooien. Daarnaast zijn hun achterste poten niet enorm gespecialiseerd in springen (in tegenstelling tot vlooien of sprinkhanen bijvoorbeeld). Omdat hun poten ongeveer hetzelfde zijn, kunnen ze ook snel lopen, draaien en hebben ze een fantastische symmetrie die hen stabiel houdt.
Door een robot te maken die een springspin nabootst, zal deze ook de eigenschappen van de spin hebben.
Uiteraard kan een dier niet zomaar als robot nagemaakt worden. Om dit te realiseren is er volledige kennis over het gedrag en de lichaamsbouw van het dier nodig. Er moet dus voldoende onderzoek gedaan worden zodat het dier zo accuraat mogelijk kan voorgesteld worden als robot.
Het probleem is dat bij springspinnen dit onderzoek niet volledig is. Er zijn nog tal van open vragen rond hoe hun sprong exact uitgevoerd wordt. Het probleem is dat ze niet makkelijk te onderzoeken zijn. Ze moeten eerst gevonden en gevangen worden, daarna moeten ze met dure camera’s geobserveerd worden en dat terwijl er duizenden verschillende soorten zijn die zich allemaal anders gedragen.
Daarom is het nodig om een alternatieve manier te vinden om deze achtpotige acrobaten te onderzoeken. Hiervoor kunnen we weer teruggrijpen naar de computers en gebruikmaken van simulaties. Hierin creëren we een versie van het dier gebaseerd op onze gelimiteerde kennis, daarna simuleren we het dier in een realistisch scenario en kijken we naar mogelijke bevindingen over zijn gedrag en lichaam.
In de context van de springspin is het mogelijk om één voorbeeldspin te creëren en zijn lichaam programmeren om te springen. Daarna worden evolutionaire algoritmes, dit zijn algoritmes die principes van evolutie gebruiken om dingen te optimaliseren, gebruikt om het lichaam en de besturing ervan zo perfect mogelijk te maken voor een verre en stabiele sprong.
Uit de simulaties kunnen nieuwe hypotheses gevonden worden over de realiteit. Bijvoorbeeld, uit de simulaties bleek dat spinnen met een groter achterlijf vaak aan een minder scherpe hoek omhoog sprongen. Deze hypothese kan dan gericht onderzocht worden in de natuur om ze te bevestigen of ontkrachten. Uit dit onderzoek kan weer nieuwe informatie opkomen die gebruikt kan worden om de simulatie te verbeteren, waardoor weer nieuwe hypothesen gevonden kunnen worden en de cyclus zich herhaalt.
Hoewel we hier voornamelijk over springspinnen praten, zijn de mogelijkheden zeker niet beperkt tot deze spinachtige stuntmannen. Met miljarden organismen om uit te kiezen kunnen deze principes op oneindig veel manieren toegepast worden om tal van verschillende robots te ontwerpen.
De slurf van een olifant kan een goede grijper inspireren, een adelaar kan model staan voor een zweefvliegtuig en robots gebaseerd op slangsterren kunnen als onderwaterdrones dienen.
En zo helpt de natuur ons voort, niet met materialen, maar met de eindeloze informatiebronnen die ze ons aanbiedt. Dus als je eens naar een dier in de zoo kijkt, weet dan dat ze niet enkel mooi zijn om naar te kijken, maar ons ook heel veel kunnen leren!
[1] G. V. Lauder, “Robotics as a Comparative Method in Ecology and Evolutionary Biology,”
Integrative and
Comparative Biology, vol. 62, no. 3, pp. 721–734, 04 2022. [Online]. Available: https://doi.org/10.1093/icb/
icac016
[2] J. Cheng, “Evolutionary optimization: A review and implementation of several algorithms,” 2018. [Online].
Available: https://www.strong.io/blog/evolutionary-optimization
[3] “Spider structure,” 2018. [Online]. Available: https://australian.museum/learn/animals/spiders/spider-
structure/
[4] M. Nabawy, G. Sivalingam, R. Garwood, W. Crowther, and W. Sellers, “Energy and time optimal trajectories in
exploratory jumps of the spider phidippus regius,”
Scientific Reports, vol. 8, 05 2018.
[5] C. Tenn, “Webless jumping spiders spin super strong silk,” 2021. [Online]. Available: https://www.the-
scientist.com/webless-jumping-spiders-spin-super-strong-silk-69414
[6] W. Commons, “File:scorpion mimic jumping spider , possibly indopadilla sp.jpg — wikimedia
commons, the free media repository,” 2022, [Online; accessed 17-May-2024]. [Online]. Avail-
able: https://commons.wikimedia.org/w/index.php?title=File:Scorpion_mimic_Jum…
indopadilla_sp.jpg&oldid=618248739
[7] M. Çavaş and M. B. Ahmad, “A review on spider robotic system,”
International Journal of New Computer Ar-
chitectures and their Applications (IJNCAA) vol, vol. 9, pp. 19–24, 2019.
[8] R. Vidoni and A. Gasparetto, “Efficient force distribution and leg posture for a bio-inspired spider
robot,”
Robotics and Autonomous Systems, vol. 59, no. 2, pp. 142–150, 2011. [Online]. Available:
https://www.sciencedirect.com/science/article/pii/S0921889010001697
[9] L. Zentner,
Modelling and Application of the Hydraulic Spider Leg Mechanism. Berlin, Heidelberg: Springer
Berlin Heidelberg, 2013, pp. 451–462. [Online]. Available: https://doi.org/10.1007/978-3-642-33989-9_34
[10] B. E. E., S. Yoshan, E. D. O., and M. Natasha, “Jump takeoff in a small jumping spider,”
Journal of Comparative
Physiology A, 2021. [Online]. Available: https://doi.org/10.1007/s00359-021-01473-7
[11] S. Doncieux, N. Bredeche, J.-B. Mouret, and A. E. G. Eiben, “Evolutionary robotics: What, why, and where to,”
Frontiers in Robotics and AI, vol. 2, 2015. [Online]. Available: https://www.frontiersin.org/articles/10.3389/
frobt.2015.00004
[12] G. V. Lauder, “Robotics as a Comparative Method in Ecology and Evolutionary Biology,”
Integrative and
Comparative Biology, vol. 62, no. 3, pp. 721–734, 04 2022. [Online]. Available: https://doi.org/10.1093/icb/
icac016
[13] A. K. Schulz, J. S. Reidenberg, J. N. Wu, C. Y. Tang, B. Seleb, J. Mancebo, N. Elgart, and D. L. Hu, “Elephant trunks
use an adaptable prehensile grip,”
Bioinspiration & Biomimetics, vol. 18, no. 2, p. 026008, feb 2023. [Online].
Available: https://dx.doi.org/10.1088/1748-3190/acb477
[14] Y. Zhu, L. Chen, Q. Liu, R. Qin, and B. Jin, “Omnidirectional jump of a legged robot based on the
behavior mechanism of a jumping spider,”
Applied Sciences, vol. 8, no. 1, 2018. [Online]. Available:
https://www.mdpi.com/2076-3417/8/1/51
[15] S. H.-P. Beyer Hans-Georg, “Evolution strategies – a comprehensive introduction,”
Natural Computing, 2002.
[Online]. Available: https://doi.org/10.1023/A:1015059928466
[16] N. Hansen, “The cma evolution strategy: A tutorial,” 2023.
[17] K. Chatzilygeroudis, A. Cully, V. Vassiliades, and J.-B. Mouret, “Quality-diversity optimization: a novel branch
of stochastic optimization,” 2020.
[18] J.-B. Mouret and J. Clune, “Illuminating search spaces by mapping elites,” 2015.
[19] R. Foelix,
Biology of Spiders. OUP USA/Georg Thieme Verlag, 1996. [Online]. Available: https:
//books.google.be/books?id=XUgyqxNKhyAC
[20] C. Göttler, K. Elflein, R. Siegwart, and M. Sitti, “Spider origami: Folding principle of jumping spider leg
joints for bioinspired fluidic actuators,”
Advanced Science, vol. 8, no. 5, p. 2003890, 2021. [Online]. Available:
https://onlinelibrary.wiley.com/doi/abs/10.1002/advs.202003890
[21] S. Landkammer, F. Winter, D. Schneider, and R. Hornfeck, “Biomimetic spider leg joints: A review from
biomechanical research to compliant robotic actuators,”
Robotics, vol. 5, no. 3, 2016. [Online]. Available:
https://www.mdpi.com/2218-6581/5/3/15
[22] Dick Walton Natural History Services website. [Online]. Available: https://www.rkwalton.com/zuniga-sp/
[23] Online encyclopedia for different types of bugs. [Online]. Available: https://bugguide.net/node/view/15740
[24] D. A. Parry and R. H. J. Brown, “The Jumping Mechanism of Salticid Spiders,”
Journal of Experimental Biology,
vol. 36, no. 4, pp. 654–664, 12 1959. [Online]. Available: https://doi.org/10.1242/jeb.36.4.654
[25] L. Eguiarte-Morett and W. Aguilar, “Premature convergence in morphology and control co-evolution: a
study,”
Adaptive Behavior, vol. 32, no. 2, pp. 137–165, 2024. [Online]. Available: https://doi.org/10.1177/
10597123231198497
[26] G. E. Hutchinson and R. H. MacArthur, “A theoretical ecological model of size distributions among
species of animals,”
The American Naturalist, vol. 93, no. 869, pp. 117–125, 1959. [Online]. Available: