宁德生活圈

网站首页 科技 > 正文

敏感皮肤可以帮助柔软的机器人找到方位

2021-09-17 07:38:37 科技 来源:
导读 柔性传感器和人工智能模型可以告诉变形机器人其身体在三维环境中的位置。麻省理工学院(MIT)的研究人员第一次通过仅使用来自其“感知”皮肤

柔性传感器和人工智能模型可以告诉变形机器人其身体在三维环境中的位置。

麻省理工学院(MIT)的研究人员第一次通过仅使用来自其“感知”皮肤的运动和位置数据,使软机械臂能够理解其在3D空间中的配置。

敏感皮肤可帮助软机器人找到轴承

由柔性材料制成的软机器人(类似于在生物体中发现的那些)被提倡为传统刚性机器人提供更安全、适应性更强、更灵活和受生物启发的替代物。然而,自主控制这些可变形机器人是一项艰巨的任务,因为它们可以在任何给定的时间向几乎无限的方向移动。这使得为驾驶自动化训练计划和控制模型变得困难。

传统的自主控制方法使用具有多个运动捕捉摄像机的大型系统,这些系统可以提供关于机器人的3D运动和位置的反馈。然而,软机器人在实际应用中是不切实际的。

敏感皮肤可帮助软机器人找到轴承

在《IEEE机器人与自动化快报》年发表的一篇论文中,研究人员描述了一种软传感器系统,它覆盖在机器人的身体上,提供“本体感觉”,即感知其身体的运动和位置。反馈将进入一个新颖的深度学习模型,该模型可以过滤掉噪声并捕获清晰的信号来估计机器人的3D配置。研究人员在一个类似大象躯干的柔软机械臂上验证了他们的系统,该机械臂可以自动摆动和伸展,并预测自己的位置。

麻省理工学院计算机科学与人工实验室(CSAIL)博士后Ryan Truby说,传感器可以用现成的材料制成,这意味着任何实验室都可以开发自己的系统。CSAIL博士后Cosimo Della Santina。

他说:“我们正在感知软机器人,以从传感器而不是视觉系统获得控制反馈,并使用非常简单快速的制造方法。”“例如,我们希望使用这些柔软的机器人躯干来自动定向和控制自己,拾取东西并与世界互动。这是迈向这种更复杂的自动控制的第一步。”

未来的目标之一是帮助制造能够更灵巧地处理和操纵环境中物体的假肢。“想想你的身体:你可以闭上眼睛,根据皮肤的反馈重建世界。”CSAIL主任Daniela Rus,电气工程和计算机科学系教授Andrew和Erna Viterbi。“我们想为软机器人设计同样的功能。”

塑造软传感器。

全集成人体传感器是软机器人技术的长期目标。传统的刚性传感器会破坏柔性机器人的自然柔性,使其设计和制造复杂化,并可能导致各种机械故障。基于软材料的传感器是更合适的替代方案,但其设计需要特殊的材料和方法,这使得许多机器人实验室难以制造并将其集成到软机器人中。

敏感皮肤可帮助软机器人找到轴承

一天,在他的CSAIL实验室工作,寻找传感器材料的灵感时,特鲁比建立了有趣的联系。他说:“我发现这些用于电磁干扰屏蔽的导电材料片可以成卷在任何地方购买。”这些材料具有“压阻”特性,这意味着它们在应变时会改变电阻。Truby意识到,如果把它们放在后备箱的某些地方,就可以制成有效的软传感器。当传感器响应躯干的拉伸和压缩而变形时,其电阻将转换为特定的输出电压。该电压然后被用作与运动相关的信号。

然而,这种材料不灵活,这将限制其在软机器人中的应用。受kirigami(折纸的变体,包括材料的切割)的启发,Truby设计并激光切割矩形导电硅胶片成各种图案,例如一排排小孔或像链条一样的交叉切片。特鲁比说,这使它们更加灵活、可拉伸和“漂亮”。

研究人员的机器人躯干由三个部分组成,每个部分有四个流体致动器(总共12个)来移动手臂。它们在每个片段中融合一个传感器,每个传感器覆盖并从软机器人中的嵌入式执行器收集数据。他们使用了“等离子焊接”技术,这种技术可以使一种材料的表面带电,并使其附着在另一种材料上。形成几十个传感器大约需要几个小时,可以通过手持等离子焊接设备焊接到软机器人上。

“学习”匹配

如假设的那样,传感器确实捕获了行李箱的总体运动。但是他们真的很吵。“从本质上讲,它们在许多方面都是非理想的传感器,”特鲁比说。“但这只是用软导电材料制造传感器的普遍事实。性能更高,更可靠的传感器需要大多数机器人实验室所没有的专用工具。”

为了仅使用传感器来估算软机器人的配置,研究人员建立了一个深度神经网络,通过筛查噪声以捕获有意义的反馈信号来完成大部分繁重的工作。研究人员开发了一种新模型,以运动学方式描述了软机器人的形状,从而大大减少了处理模型所需的变量数量。

在实验中,研究人员让躯干摆动,并以随机配置将自己延伸大约一个半小时。他们使用传统的运动捕捉系统获取地面真实数据。在训练中,该模型分析了来自其传感器的数据以预测配置,并将其预测与同时收集的地面真实数据进行比较。通过这样做,模型“学习”了将信号模式从其传感器映射到实际配置。结果表明,对于某些更稳定的配置,机器人的估计形状与地面真实情况相符。

接下来,研究人员旨在探索新的传感器设计以提高灵敏度,并开发新的模型和深度学习方法,以减少每台新的软机器人所需的训练。他们还希望完善系统,以更好地捕获机器人的完整动态运动。

当前,神经网络和传感器皮肤对捕捉细微运动或动态运动不敏感。但是,对于目前基于学习的软机器人控制方法而言,这是重要的第一步,特鲁比说:“就像我们的软机器人一样,生活系统也不必十分精确。与我们的刚性机器人相比,人类不是精密的机器,而且我们做得很好。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

免责声明: 本文由用户上传,如有侵权请联系删除!


标签: