充分的生物仿生机器人设计和控制之间需要一种微妙的平衡,这是使我们的机器更像我们的一部分。人类的高级灵巧性可以归结于一个漫长的进化故事,即我们的愤怒之拳是如何进化来完成复杂任务的。对于机器来说,设计一个新的机器人机械手意味着在人类直觉的指导下进行设计、制造和评估的漫长的手工迭代周期。
大多数手都是为通用目的而设计的,因为制作特定任务的手是非常乏味的。现有的方法需要在设计的复杂性和制造的实际限制以及接触处理之间进行权衡。
这使得麻省理工学院计算机科学和人工智能实验室(CSAIL)的研究人员创造了一种新的方法,通过计算来优化特定任务的机器人机械臂的形状和控制。他们的系统使用软件来操纵设计,模拟机器人执行任务,然后提供一个优化分数来评估设计和控制。
这种任务驱动的机器人优化在制造和仓库机器人系统中具有广泛的应用潜力,在这些系统中,每个任务都需要重复执行,但不同的机器人将适合于单个任务。
为了测试该系统的功能,该团队首先设计了一个机器人手指来翻转地面上的一个盒子。它的指尖结构看起来有点像虎克船长的左手,通过一种算法自动优化,可以钩住盒子的背面并翻转它。他们还开发了一个装配任务的模型,用两指设计将一个小立方体放入一个更大的可移动支架中。由于手指有两种不同的长度,他们可以到达两个不同大小的物体,而手指更大更平坦的表面有助于稳定地推动物体。
传统上,这种关节优化过程包括使用简单、更原始的形状来近似机器人设计的每个组件。例如,当创建一个三段机器人手指时,它可能近似于三个连接的圆柱体,其中算法优化长度和半径,以达到所需的设计和形状。虽然这将简化优化问题,但过度简化形状将限制更复杂的设计,并最终导致复杂的任务。
为了创造更多复杂的操纵器,该团队的方法使用了一种称为“笼基变形”的技术,它本质上允许用户实时改变或变形形状的几何形状。
例如,使用这个软件,你可以在机器人手指周围放置一个笼子状的东西。该算法可以自动改变笼子的尺寸,使其形成更复杂、更自然的形状。不同的设计变体仍然保持其完整性,因此它们可以很容易地制作。
他们开发了一个模拟器来模拟机械手的设计和任务控制,然后提供一个性能评分。“使用这些模拟我们不需要通过在现实世界中制造和测试来评估设计,”麻省理工学院博士生、该研究的第一作者徐杰(Jie Xu)说纸有关的研究。“强化学习算法在操作上很流行,但数据效率很低,与之相比,提出的基于笼子的表示和模拟器允许使用强大的基于梯度的方法。我们不仅能找到更好的解决方案,而且还能更快地找到它们。因此,我们可以快速为设计打分,从而大大缩短设计周期。”
未来,该团队计划扩展该软件,以同时优化多个任务的操作机。
来源:麻省理工学院