MIT開發軟體觸手機器人，可完成各種變形

大數據文摘編譯作品

編譯：lin

來源：mit.edu

有些任務是傳統機器人——堅硬的金屬機器人——根本不適合的。另一方面，軟體機器人可能能夠更安全地與人互動，或者輕鬆地溜進狹小空間。但是對於機器人來說，要想可靠地完成程序設定的任務，它們需要知道自己所有身體部位的位置。對於一個軟機器人來說，這是一項艱鉅的任務，因爲它幾乎可以以無限種方式變形。

麻省理工學院的研究人員開發了一種算法，幫助工程師設計出能夠收集更多周圍環境有用信息的軟機器人。深度學習算法建議優化傳感器在機器人體內的位置，使其更好地與環境互動，並完成分配的任務。這一進展向機器人設計的自動化邁進了一步。亞歷山大·阿米尼說:“這個系統不僅學習給定的任務，而且還學習如何以最佳方式設計機器人來解決這個任務。”“傳感器的放置是一個非常難解決的問題。所以，有了這個解決方案是非常令人興奮的。”

這項研究將在四月份的IEEE軟機器人國際會議上發表，並將發表在IEEE機器人和自動化快報雜誌上。合著者是阿米尼和安德魯·斯皮爾伯格，他們都是麻省理工學院計算機科學和人工智能實驗室(CSAIL)的博士生。其他合著者包括麻省理工學院的博士生莉莉安·金，沃伊切赫·馬圖斯克教授和丹妮拉·羅斯教授。

創造能夠完成現實世界任務的軟機器人一直是機器人領域的一個長期挑戰。它們的剛性對手有一個內在的優勢:有限的運動範圍。剛性機器人的關節和肢體的有限陣列通常使控制映射和運動規劃的算法實現易於管理的計算。軟機器人不那麼容易駕馭。

軟體機器人靈活而柔韌——它們通常感覺更像一個彈跳的球而不是保齡球。“軟體機器人的主要問題在於它們是無限維度的，”斯皮爾伯格說。“理論上，軟體機器人的任何一點都可以以任何可能的方式變形。這使得設計一個可以繪製身體各部分位置的軟機器人變得很困難。過去的努力是使用一個外部攝像頭來繪製機器人的位置，並將信息反饋到機器人的控制程序中。但是研究人員想要創造一個不受外界幫助的軟機器人。

“你不能在機器人身上安裝無數個傳感器，”斯皮爾伯格說。“所以，問題是:你有多少傳感器，你應該把這些傳感器放在哪裡，以獲得最大的性價比?該團隊轉向深度學習尋求答案。

研究人員開發了一種新型的神經網絡結構，既能優化傳感器的位置，又能學習有效地完成任務。首先，研究人員將機器人的身體分成被稱爲“粒子”的區域。每個粒子的應變速率被作爲神經網絡的輸入。通過一個反覆試驗的過程，這個網絡“學習”了完成任務的最有效的動作序列，比如抓住不同大小的物體。與此同時，該網絡跟蹤哪些粒子使用最頻繁，並從網絡後續試驗的輸入集合中挑選出使用較少的粒子。

通過優化最重要的粒子，該網絡還建議傳感器應該放置在機器人上，以確保高效性能。例如，對於一個模擬手抓取的機器人，算法可能建議傳感器集中在手指內和手指周圍，那裡的精確控制與環境的互動對於機器人操縱對象是至關重要的。雖然這似乎是顯而易見的，但事實證明，在傳感器的位置設定上，算法的表現大大超過了人類的直覺。

研究人員將他們的算法與一系列專家預測進行了對比。

對於三種不同的軟式機器人佈局，研究小組要求機器人專家手動選擇傳感器應該放置的位置，以便有效地完成任務，如抓取各種物體。然後他們進行了模擬，比較了人類感知機器人和算法感知機器人。結果並不接近。阿米尼說:“我們的模型在每項任務上都大大優於人類，即使我看了一些機器人的身體，對傳感器應該去哪裡非常有信心。”“事實證明，這個問題比我們最初預期的要微妙得多。”

斯皮爾伯格表示，他們的工作有助於機器人設計過程的自動化。他說，除了開發控制機器人運動的算法，“我們還需要考慮如何對這些機器人進行感知，以及這將如何與該系統的其他組件相互作用。”更好的傳感器放置可以在工業上應用，尤其是在機器人用於像手抓這樣的精細任務的地方。斯皮爾伯格說:“這需要一種非常強健、優化良好的觸覺。”“所以，有可能產生立竿見影的影響。”

羅斯說:“對感應軟機器人的自動化設計是朝着快速創造智能工具、幫助人們完成體力勞動邁出的重要一步。”“傳感器是這個過程的一個重要方面，因爲它們使軟機器人能夠“看到”和理解世界及其與世界的關係。”

這項研究部分由美國國家科學基金會(National Science Foundation)和範尼和約翰·赫茲基金會(Fannie and John Hertz Foundation)資助。

https://news.mit.edu/2021/sensor-soft-robots-placement-0322