如何設(shè)計(jì)并控制具有彈性的靈活機(jī)器人

（文章來源：教育新聞網(wǎng)）

麻省理工學(xué)院的研究人員發(fā)明了一種方法，可以有效地優(yōu)化用于目標(biāo)任務(wù)的軟機(jī)器人的控制和設(shè)計(jì)，這在傳統(tǒng)上是一項(xiàng)艱巨的任務(wù)。

軟機(jī)器人具有彈性，柔性，可拉伸的主體，這些主體在任何給定時(shí)刻基本上可以移動(dòng)無數(shù)種方式。從計(jì)算上講，這代表了一個(gè)高度復(fù)雜的“狀態(tài)表示”，它描述了機(jī)器人各部分的運(yùn)動(dòng)方式。軟機(jī)器人的狀態(tài)表示可能具有數(shù)百萬個(gè)維度，這使得很難計(jì)算出使機(jī)器人完成復(fù)雜任務(wù)的最佳方式。

在下個(gè)月的神經(jīng)信息處理系統(tǒng)會(huì)議上，麻省理工學(xué)院的研究人員將提出一個(gè)模型，該模型根據(jù)機(jī)器人及其環(huán)境的基本物理特性，學(xué)習(xí)緊湊的或“低維”的詳細(xì)狀態(tài)表示形式。 。這有助于模型迭代地優(yōu)化滿足特定任務(wù)的運(yùn)動(dòng)控制和材料設(shè)計(jì)參數(shù)。

“軟機(jī)器人是無限維的生物，它們?cè)谌魏谓o定時(shí)刻都會(huì)以十億種不同的方式彎曲，”第一作者安德魯·斯皮爾伯格(Andrew Spielberg)說，他是計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室(CSAIL)的研究生?！暗牵瑢?shí)際上，軟物體可能會(huì)以自然方式彎曲。我們發(fā)現(xiàn)可以在低維描述中非常緊湊地描述軟機(jī)器人的自然狀態(tài)。我們通過學(xué)習(xí)良好的描述來優(yōu)化軟機(jī)器人的控制和設(shè)計(jì)可能的狀態(tài)?！?/p>

在仿真中，該模型使2D和3D軟機(jī)器人能夠比當(dāng)前最新技術(shù)更快，更準(zhǔn)確地完成任務(wù)，例如移動(dòng)一定距離或到達(dá)目標(biāo)位置。研究人員接下來計(jì)劃在真正的軟機(jī)器人中實(shí)施該模型。

CSAIL的研究生Allan Zhao，Tao Du和Huyuanming則是與Spielberg一同加入本文的人。CSAIL總監(jiān)Daniela Rus以及電機(jī)工程和計(jì)算機(jī)科學(xué)系的Andrew and Erna Viterbi教授;麻省理工學(xué)院電氣工程和計(jì)算機(jī)科學(xué)副教授，計(jì)算制造小組負(fù)責(zé)人Wojciech Matusik。軟機(jī)器人技術(shù)是一個(gè)相對(duì)較新的研究領(lǐng)域，但它對(duì)高級(jí)機(jī)器人技術(shù)有希望。例如，柔性車身可以提供與人類更安全的交互，更好的對(duì)象操縱和更大的可操縱性，以及其他好處。

在仿真中對(duì)機(jī)器人的控制依賴于“觀察者”，該程序計(jì)算變量以查看軟機(jī)器人如何移動(dòng)以完成任務(wù)。在先前的工作中，研究人員將軟機(jī)器人分解為手工設(shè)計(jì)的模擬粒子簇。粒子包含重要信息，有助于縮小機(jī)器人的可能運(yùn)動(dòng)范圍。例如，如果機(jī)器人試圖以某種方式彎曲，則執(zhí)行器可能會(huì)對(duì)該移動(dòng)進(jìn)行足夠的抵抗，以至于可以忽略不計(jì)。但是，對(duì)于這種復(fù)雜的機(jī)器人，在仿真過程中手動(dòng)選擇要跟蹤的集群可能很棘手。

在這項(xiàng)工作的基礎(chǔ)上，研究人員設(shè)計(jì)了一種“循環(huán)中學(xué)習(xí)優(yōu)化”方法，其中所有優(yōu)化參數(shù)都是在許多模擬的單個(gè)反饋循環(huán)中學(xué)習(xí)的。并且，在學(xué)習(xí)優(yōu)化的同時(shí)(或“在循環(huán)中”)該方法還學(xué)習(xí)狀態(tài)表示。該模型采用一種稱為“材料點(diǎn)方法”(MPM)的技術(shù)，該技術(shù)可模擬被背景網(wǎng)格包圍的連續(xù)材料(例如泡沫和液體)顆粒的行為。這樣，它無需任何額外的計(jì)算就可以將機(jī)器人的粒子及其可觀察的環(huán)境捕獲為像素或3D像素。

在學(xué)習(xí)階段，此原始粒子網(wǎng)格信息被饋送到機(jī)器學(xué)習(xí)組件，該組件學(xué)習(xí)輸入圖像，將其壓縮為低維表示，然后將表示解壓縮回輸入圖像。如果此“自動(dòng)編碼器”在壓縮輸入圖像時(shí)保留了足夠的細(xì)節(jié)，則可以從壓縮中準(zhǔn)確地重新創(chuàng)建輸入圖像。在研究人員的工作中，自動(dòng)編碼器學(xué)習(xí)到的壓縮表示形式用作機(jī)器人的低維狀態(tài)表示形式。在優(yōu)化階段，該壓縮表示形式將返回到控制器，該控制器將為機(jī)器人的每個(gè)粒子在下一個(gè)MPM模擬步驟中應(yīng)如何運(yùn)動(dòng)輸出計(jì)算出的驅(qū)動(dòng)力。

同時(shí)，控制器使用該信息來調(diào)整每個(gè)粒子的最佳剛度，以實(shí)現(xiàn)其所需的運(yùn)動(dòng)。將來，該材料信息可能會(huì)用于3D打印軟機(jī)器人，在該3D打印軟機(jī)器人中，每個(gè)粒子點(diǎn)的打印硬度可能會(huì)略有不同。斯皮爾伯格說：“這允許根據(jù)機(jī)器人的動(dòng)作創(chuàng)建與特定任務(wù)相關(guān)的機(jī)器人設(shè)計(jì)?！薄巴ㄟ^一起學(xué)習(xí)這些參數(shù)，您可以使所有內(nèi)容盡可能地保持同步，從而使設(shè)計(jì)過程更加容易?！?/p>

依次將所有優(yōu)化信息反饋到循環(huán)的起點(diǎn)，以訓(xùn)練自動(dòng)編碼器。在許多模擬中，控制器學(xué)習(xí)最佳運(yùn)動(dòng)和材料設(shè)計(jì)，而自動(dòng)編碼器學(xué)習(xí)越來越詳細(xì)的狀態(tài)表示。斯皮爾伯格說：“關(guān)鍵是我們希望低維狀態(tài)具有很好的描述性。”

機(jī)器人在設(shè)定的時(shí)間段內(nèi)達(dá)到其模擬的最終狀態(tài)(例如，盡可能接近目標(biāo)位置)后，將更新“損失函數(shù)”。這是機(jī)器學(xué)習(xí)的關(guān)鍵組成部分，它試圖最大程度地減少一些錯(cuò)誤。在這種情況下，它可以使機(jī)器人距目標(biāo)的距離最小化。該損失函數(shù)流回到控制器，該控制器使用誤差信號(hào)調(diào)整所有優(yōu)化的參數(shù)，以最好地完成任務(wù)。

斯皮爾伯格說，如果研究人員試圖將模擬的所有原始粒子直接送入控制器，而沒有壓縮步驟，則“運(yùn)行和優(yōu)化時(shí)間將會(huì)激增”。使用壓縮表示，研究人員能夠?qū)⒚看蝺?yōu)化迭代的運(yùn)行時(shí)間從幾分鐘減少到大約10秒。研究人員通過對(duì)各種2D和3D兩足動(dòng)物和四足機(jī)器人的仿真驗(yàn)證了他們的模型。他們的研究人員還發(fā)現(xiàn)，雖然使用傳統(tǒng)方法的機(jī)器人最多可以進(jìn)行30,000個(gè)仿真來優(yōu)化這些參數(shù)，但是在模型上訓(xùn)練的機(jī)器人僅進(jìn)行了約400個(gè)仿真。

將模型部署到實(shí)際的軟機(jī)器人中意味著解決現(xiàn)實(shí)噪聲和不確定性問題，這可能會(huì)降低模型的效率和準(zhǔn)確性。但是，將來，研究人員希望為軟機(jī)器人設(shè)計(jì)從仿真到制造的完整流水線。
? ? ? （責(zé)任編輯：fqj）