麻省理工学院的新人工智能算法设计了柔软的机器人感觉

软体机器人大象

麻省理工学院研究人员制定了深入学习的神经网络,以帮助设计软体机器人的设计,例如这些机器人大象的这些迭代。信贷:由研究人员提供

深度学习技术优化了机器人身体上传感器的布置,以确保有效的操作。

传统机器人有一些任务 - 刚性和金属类型 - 只是没有削减。另一方面,软体机器人可以更安全地与人物更安全地与人物交互,或者轻松地互动。但对于机器人可靠地完成他们的编程职责,他们需要了解所有身体部位的下落。这对于一个柔软的机器人来说是一个高大的任务,可以以几乎无穷无尽的方式变形。

麻省理工学院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。“该系统不仅要学习给定任务,还要如何最好地设计机器人解决该任务,”亚历山大·阿米尼说。“传感器放置是一个很难解决的问题。所以,拥有这种解决方案非常令人兴奋。“

该研究将在4月的IEEE软机器人国际会议期间提出,并将在期刊上发表IEEE机器人和自动化字母。联合主导作者是MIT计算机科学和人工智能实验室(CSAIL)的博士和安德鲁斯皮尔伯格。其他共同作者包括麻省理工学院博士生莉莲下巴,以及教授Wojciech Matusik和Daniela Rus。

创建完整的现实世界任务的软机器人在机器人学中一直是一个长期挑战。它们的刚性对应物具有内置的优势: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。

软体机器人是灵活的,宽度 - 它们通常觉得比保龄球更像是弹球。“软机器人的主要问题是它们是无限的,”Spielberg说。“在理论上,软体机器人的任何点都可以以任何方式变形。”这使得设计一种可以映射其身体部位位置的软机器人。过去的努力使用外部相机将机器人的位置进行图表,并将信息馈送回机区的控制程序。但研究人员希望从外部援助中创建一个软机器人。

“你不能在机器人本身上放置无限数量的传感器,”Spielberg说。“所以,问题是:你有多少传感器,你把这些传感器放在哪里,以便让你的巴克最爆炸?”团队转向深入学习答案。

研究人员开发了一种新型神经网络架构,其都优化了传感器放置,并学会有效地完成任务。首先,研究人员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,网络跟踪最常使用哪些粒子,并且从网络随后试验的集合中剔除较少使用的粒子。

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。例如,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。

研究人员对一系列专家预测进行了算法。对于三种不同的软机器人布局,团队要求机器人手动选择在应放置传感器的位置,以便能够有效地完成抓住各种对象的任务。然后,它们耗尽了将人传感器机器人与算法传感器机器人进行比较。结果并没有关闭。“我们的模型对于每项任务而言,即使我看过一些机器人身体并感到非常有信心,在传感器应该去的地方,”艾米尼说。““事实证明,这个问题中有很多细小的微妙之处比我们最初的预期。”

Spielberg表示,他们的工作可以帮助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,我们还需要考虑我们如何传播这些机器人,以及如何与该系统的其他组件相互作用,“他说。更好的传感器放置可以具有工业应用,特别是在机器人使用的情况下用于夹持的精细任务。“这是你需要一个非常强大,优化的触感感的东西,”Spielberg说。“所以,有可能立即影响的潜力。”

“自动化传感器软机器人的设计是迅速创建智能工具的重要一步,帮助人们具有物理任务,”Rus说。“传感器是该过程的一个重要方面,因为它们使软机器人能够”看到“并了解世界和与世界的关系。”

参考:Andrew Spielberg,Alexander Amini,Lillian Chin,Wojciech Matusik和Daniela Rus,2021年2月2日,“软机器人的合作和传感器专员的共同学习”IEEE机器人和自动化字母
DOI:10.1109 / LRA.2021.3056369

该研究部分由国家科学基金会和法妮和约翰赫茨基金会提供资金。

是第一个评论“麻省理工学院的新人工智能算法设计了感觉的软机器人”

发表评论

电子邮件地址是可选的。如果提供的话,您的电子邮件不会发布或共享。