Читать книгу "Загадка падающей кошки и фундаментальная физика - Грегори Гбур"

Хотя и дельфин, и тунец плавают быстро и изгибают при этом свои тела похожим образом, в деталях плавания между ними существует значительная разница. Являются ли механизмы плавания обоих оптимальными решениями? Если кто-то из них лучше другого, то ограничивается ли это превосходство лишь определенными ситуациями? И что еще важнее для нас, существует ли конструкция лучше их обоих для плавания?

Иначе говоря, являются ли стили плавания дельфина и тунца равно эффективными и если да, то как мы можем выбрать один из них в ущерб другому? Вопрос этот представляет собой, косвенным образом, одну из форм парадокса с буридановым ослом. Это не вопрос для реальных обитателей водных глубин, чьи методы плавания выкованы для них эволюцией, но для ученых-робототехников это достаточно серьезная проблема.

Когда роботизированный тунец выходил в свое первое плавание, исследователи Кейсовского университета работали над усовершенствованием движения наземного робота на базе биологических принципов. Они сконструировали несколько шестиногих роботов-насекомых, основываясь на анатомии и неврологии тараканов и палочников и стараясь позаимствовать для конструкции как можно больше из биологии. Исследователи отмечали: «Мы склонны ошибаться в сторону включения большего количества биологических черт, чем представляется на первый взгляд совершенно необходимым. Причина такой стратегии проста и понятна: она почти всегда оправдывается. Хотя путь, избранный природой, вполне может не быть единственным и даже лучшим, мы снова и снова находим неожиданные преимущества в том, что уделяем так много внимания конструкции биологических систем».

Роботы-насекомые конструировались с учетом уроков, полученных учеными при исследовании рефлексов в конце XIX — начале XX в. Каждая конечность была снабжена, по существу, проприоцептивными рефлексами: искусственные нейроны отправляли своему пейсмейкерному нейрону информацию об ориентации конечности — вперед или назад. Более того, различные пейсмейкерные нейроны ног взаимно тормозили друг друга, как это делают нервы мышц-антагонистов у живых существ. Это торможение улучшало координацию конечностей, не давая соседним ногам шагать одновременно. В систему роботов было встроено и множество других рефлексов. Один из них назывался «рефлексом подъема»: если нога, движущаяся вперед, встречала препятствие, она отодвигалась, поднималась выше и вновь пробовала сделать шаг. Также использовался «рефлекс поиска»: если нога в конце «шага» не находила стабильной опоры, она должна была искать рядом, пока не найдет.

В 1994 г. исследователи испытали робота-палочника длиной около 50 см и высотой около 25 см на неровной поверхности. Ландшафт представлял собой большой кусок упаковочного пенополистирола с перепадами высот, достигавшими 11 см. Пенополистирол был хорош для испытаний, потому что это мягкий материал, способный к тому же гнуться и пружинить, образуя нестабильную поверхность, сходную с той, на которой споткнулся «Данте II». Робот справился с задачей достойно. Он смог интегрировать и применить рефлексы подъема и поиска в комплексе и передвигался по пересеченной местности со скоростью 2 см/с.

По аналогии с физиологическими исследованиями начала XX в. эта же группа ученых провела эксперименты по изучению надежности своего робота при нарушении нервных связей. Вводя «повреждения» в различные нервные соединения, исследователи смогли показать, что их робот при повреждении сохраняет значительную степень функциональности. Даже полная утрата функции одной ноги не слишком сильно затрудняла движение робота.

Хотя шестиногие роботы представляли собой, образно выражаясь, впечатляющий шаг вперед, очевидно, что им необходимо стать еще более гибкими, чтобы уцелеть в неконтролируемой среде. В реальном ландшафте присутствуют уступы, размеры которых превышают размер самих роботов, так что они должны быть готовы компенсировать неожиданные падения. Это умение приобретает критическое значение для роботов, разработанных, чтобы взбираться по гладким вертикальным поверхностям, подобно роботу-геккону, построенному в 2007 г. Здесь вновь обретает смысл и значение задача о падающей кошке, потенциально способная научить роботов переворачиваться в падении и приземляться на лапы с минимальным ущербом и сохранением мобильности.

Работа над созданием функционирующего робота-кошки продвигается медленнее других проектов. Если не говорить о робототехнике, то хитроумную механическую модель падающей кошки представил Джон Рональд Галли из Государственного университета Вебера в 1995 г., примерно в то же время, когда плавал роботизированный тунец и маршировал роботизированный палочник. Галли заинтересовался этой задачей, прочитав статью Клиффа Фролича 1980 г. о физике изворачивания кошки и людей-ныряльщиков. В статье Фролича описывается, без цитирования, модель «сложись и крутись» Радемакера и тер Браака.

Галли построил несколько моделей кошки возрастающей сложности; действие простейшей из них показано на рисунке. Два цилиндра здесь работают как передняя и задняя половины кошки; пружина — как гибкий хребет. Резинка между двумя половинками тела действует как напряженная мышца; когда кошку выпускают из рук, напряжение резинки заставляет части тела «сложиться и крутиться», что приводит к перевороту на 180°.

Модель Галли в общем смысле можно отнести к категории биоробототехнического моделирования. Это устройство стало стандартным инструментом преподавателей физики, заинтересованных в том, чтобы объяснить задачу своим студентам. До недавнего времени доработанный вариант кошки Галли можно было приобрести онлайн, в комплекте с лапами, дополнительными секциями хребта и проволочной кошачьей мордой.

Создать надежную «кошачью» стратегию переворачивания в воздухе для робота более сложная задача. Поскольку кошка может падать под разными углами (в перевернутом состоянии, на боку, головой вниз и т. д.) и начинать падение с ненулевым или нулевым моментом импульса, ни один простой сценарий не позволит ей выправить положение в любой ситуации. Точное движение, при помощи которого перевернутая кошка сможет приземлиться в правильном положении, в другом случае, к примеру, перевернет кошку, падающую боком, на другой бок. Кошка — или робот — в падении должна принимать во внимание конкретные обстоятельства своего падения и соответствующим образом адаптировать стратегию, причем часто за долю секунды.

Сложность разработки робота, который способен был бы это делать, восходит опять же к задаче буриданова осла. Поскольку кошка может, в принципе, использовать множество разных методов переворачивания в правильное положение, то, если мы введем условие переворачивания за кратчайшее время, два метода могут показать одинаковую продолжительность, и тогда робот приземлится на спину только потому, что не смог сделать выбор. Как отметили исследователи: «Вопрос общей стратегии и контролируемого подхода к проблеме изменения ориентации сложной мультисегментной, мультисуставной системы без использования внешнего крутящего момента остается в значительной степени нерешенным. Сложность ответа на этот вопрос кроется в том факте, что в целом существует бесконечное число способов, при помощи которых мультисегментная мультисуставная система может произвольным образом изменить ориентацию в пространстве без применения внешнего эффективного крутящего момента».