'Edderkopperobot' lærer sig selv at gå med smadrede ben
En matematisk algoritme til robotter har gjort det muligt for dem hurtigt at tilpasse sig funktionsfejl og ødelagte lemmer. Forskerne bag algoritmen forventer, at det vil gøre robotterne mere fleksible og selvstændige i fremtiden.

Forskere har med en matematisk algoritme fået en edderkoppelignende robot til hurtigt at tilpasse sig skader, som normalt ville have sat den ud af spillet.

I stedet for fortsætte ud af en forkert kurs med et knækket ben, afprøver robotten nye metoder for at komme tilbage på rette kurs. Det skriver Nature.com.

Algoritmen blev døbt den intelligente 'forsøg og tag fejl'-algoritme (på engelsk 'trial and error'), og forskerne sammenligner algoritmen med et dyrisk instinkt, da den giver robotten mere selvstændighed fra styring langt væk fra.

»Selvom robotter kan være programmeret på forhånd, vil der altid være problemer, som ingeniører ikke kan forudse eller diagnosticere på afstand. Vi så gerne, at robotterne kan bruges i lang tid - uden at mennesker behøver at reparere dem,« siger lederen af studiet, Jean-Baptiste Mouret, som forsker i kunstig intelligens ved Frankrigs nationale institut i computervidenskab, til Nature.com.

Hop kan være vejen frem

For at gøre robotten mere selvstændig og give den mulighed for at diagnosticere sig selv, indkodede forskerne på forhånd robotten med et bibliotek af 13.000 forskellige kombinationer af bevægelser med de seks ben, den havde til rådighed.

Dette bibliotek af bevægelser gav, ifølge forskerne, robotten en viden, som de sammenligner med det tidligere nævnte instinkt. En viden, som robotten kunne bruge til at komme på rette kurs mindre end et minut efter, at et ben blev knækket af. Nogle gange mente robotten, at vejen tilbage på rette kurs var at hoppe.

Du kan høre mere om forskningen bag og se robotten arbejde sig frem på rette kurs ved at både halte og hoppe i videoen øverst i artiklen.

Studiet er publiceret i det videnskabelige tidsskrift Nature.

Videnskab.dk Podcast

Lyt til vores seneste podcast herunder eller via en podcast-app på din smartphone.

Ny video fra Tjek

Tjek er en YouTube-kanal om videnskab henvendt til unge.

Indholdet på kanalen bliver produceret af Videnskab.dk's videojournalister med samme journalistiske arbejdsgange, som bliver anvendt på Videnskab.dk.

Ugens videnskabsbillede

Se flere forskningsfotos på Instagram, og læs om, hvorfor denne 'sort hul'-illusion narrer din hjerne.

Hej! Vi vil gerne fortælle dig lidt om os selv

Nu hvor du er nået helt herned på vores hjemmeside, er det vist på tide, at vi introducerer os.

Vi hedder Videnskab.dk, kom til verden i 2008 og er siden vokset til at blive Danmarks største videnskabsmedie med over en halv million brugere om måneden.

Vores uafhængige redaktion leverer dagligt gratis forskningsnyheder og andet prisvindende indhold, der med solidt afsæt i videnskabens verden forsøger at give dig aha-oplevelser og væbne dig mod misinformation.

Vores journalister fortæller historier om både kultur, astronomi, sundhed, klima, filosofi og al anden god videnskab indimellem - i form af artikler, podcasts, YouTube-videoer og indhold på sociale medier.

Vi stiller meget høje krav til, hvordan vi finder og laver vores historier. Vi har lavet et manifest med gode råd til at finde troværdig information, og vi modtog i 2021 en fornem pris for vores guide til god, kritisk videnskabsjournalistik.

Vores redaktion gør en dyd ud af at få uafhængige forskere til at bedømme betydningen af nye studier, og alle interviewede forskere citat- og faktatjekker vores artikler før publicering.

Hvis du går rundt og undrer dig over stort eller småt, vil vi elske at høre fra dig og forsøge at give dig svar med forskernes hjælp. Send bare dit spørgsmål til vores brevkasse Spørg Videnskaben.

Vi håber, at du vil følge med i forskningens forunderlige opdagelser her på Videnskab.dk.

Få et af vores gratis nyhedsbreve sendt til din indbakke. Du kan også følge os på sociale medier: Facebook, Twitter, Instagram, YouTube eller LinkedIn.

Med venlig hilsen

Videnskab.dk