有些任务是传统机器人——刚性的和金属的那种——无法完成的。软体机器人可能能够更安全地与人互动,或轻松地溜进狭小的空间。但是机器人要想可靠地完成它们的程序任务,它们需要知道身体所有部位的位置。对于一个可以以无数种方式变形的软体机器人来说,这是一项艰巨的任务。

研究人员已经开发出一种算法,可以帮助工程师设计软机器,收集有关周围环境的更有用信息。深度学习算法表明了机器人身体内传感器的优化放置,允许它更好地与其环境进行交互并完成分配的任务。前进是机器人设计自动化的一步。该系统不仅了解了给定的任务,还要最佳设计机器人来解决该任务。

创建完全世界任务的软机器人在机器人学中是一项挑战。刚性机器人具有内置的优势:有限的运动范围。刚性机器人的有限阵列和肢体通常通过控制映射和运动规划的算法来实现可管理的计算。软机器人不是那么易行。

软体机器人灵活而柔韧——它们感觉起来更像弹跳球而不是保龄球。理论上,软体机器人上的任何一点都可以以任何可能的方式变形。这使得设计一个能够绘制身体部位位置的软体机器人变得困难。过去的工作是使用外部摄像头绘制机器人的位置图,并将信息反馈到机器人的控制程序中。但研究人员想要创造一种不依赖外部帮助的软体机器人。

它们开发了一种新颖的神经网络架构,其都优化了传感器放置并学会有效地完成任务。首先,他们将机器人的身体分成称为“粒子”的区域。将每个粒子的应变速率作为对神经网络的输入提供。通过试验和错误的过程,网络“了解”最有效的动作顺序,以完成任务,例如不同尺寸的夹持物体。同时,网络跟踪最常用的粒子,并从网络随后试验的集合中剔除较小的粒子。

通过优化最重要的粒子,网络还建议将传感器放在机器人上以确保有效的性能。在具有抓握手的模拟机器人中,该算法可能表明传感器集中在手指内部和周围,其中与环境的精确控制相互作用对机器人操纵物体的能力至关重要。虽然这似乎很明显,但事实证明了该算法在站点传感器的位置大大超越了人类的直觉。

这项工作有助于自动化机器人设计的过程。除了开发算法来控制机器人的动作之外,设计人员需要考虑如何将传感器放在机器人上以及如何与该系统的其他组件相互作用。更好的传感器放置可以具有工业应用,特别是在机器人用于夹持时使用的机器人。

有关更多信息,请联系Abby Abazorius AT此电子邮件地址受到垃圾邮件程序的保护。您需要启用Javascript来查看它。;617-253-2709。


yabovip16.com技术简报杂志

本文首次发表于2021年9月号yabovip16.com杂志。

阅读更多的档案文章在这里