Astrobee lernt den Transport von weicher Fracht: Open-Source-Simulator modelliert reale ISS-Herausforderungen
Einführung
Astrobee ist ein von der NASA entwickeltes freifliegendes Robotersystem, bestehend aus drei würfelförmigen Robotern. Es wurde ursprünglich konzipiert, um Astronauten auf der Internationalen Raumstation (ISS) bei der Automatisierung routinemäßiger manueller Aufgaben zu unterstützen.
Herausforderungen beim Umgang mit weicher Fracht
Obwohl Astrobee für Astronauten von großem Nutzen sein kann, insbesondere zur Steigerung der Effizienz bei täglichen Operationen, sind seine Fähigkeiten zur Objektmanipulation noch nicht optimal. Frühere Experimente zeigen, dass der Roboter Schwierigkeiten beim Umgang mit verformbaren Gegenständen hat, einschließlich Frachtbeuteln, wie sie auf der ISS verwendet werden.
Entwicklung von PyAstrobee
Forschende der Stanford University, der University of Cambridge und des NASA Ames Research Center haben kürzlich PyAstrobee entwickelt – eine Simulationsumgebung und Steuerungssoftware in Python, die speziell auf die Manipulation und den Transport von Fracht ausgerichtet ist. Dieses neue Toolkit wurde verwendet, um Astrobee erfolgreich für den Transport von Fracht zwischen verschiedenen ISS-Modulen zu trainieren, ohne mit anderen Objekten zu kollidieren.
Technische Umsetzung
Ein zentrales Problem beim Transport von Frachtbeuteln besteht darin, dass diese typischerweise aus verformbarem Vinyl bestehen. Die genaue Vorhersage, wie sich diese Beutel bei der Handhabung durch den Roboter verformen, ist komplex. PyAstrobee nutzt die Physik-Engine Bullet, um diese Verformungen realistisch zu modellieren. Die Software ist in Python entwickelt, was eine schnelle Prototypenerstellung verschiedener Steuerungen und die Integration mit anderen Robotik-Softwaretools ermöglicht.
Integration von Reinforcement Learning
Die Forschenden integrierten ihre Simulationsumgebung mit Reinforcement Learning-Software wie Gymnasium und Stable Baselines. Ziel war es, die Plattform für das Testen von RL-basierten Objektmanipulationsstrategien im Weltraum zu nutzen. Ein vielversprechender Ansatz ist die Verwendung eines simulator-in-the-loop Sampling-basierten Model-Predictive-Controllers (MPC), der es erleichtert, die Bewegungen von Astrobee und dem Frachtbeutel gemeinsam zu spezifizieren, ohne ein komplexes geschlossenes Modell des Systems ableiten zu müssen.
Ausblick
Die Entwicklung von PyAstrobee stellt einen bedeutenden Fortschritt in der Fähigkeit von Astrobee dar, weiche Fracht in der Schwerelosigkeit zu transportieren. Dies ist besonders relevant für zukünftige Raumstationen, die möglicherweise nicht kontinuierlich bemannt sind und daher auf autonome Operationen von Robotern wie Astrobee angewiesen sein werden.