为帮助机器人处理流体而开发的仿真工具

机器人的见解

• FluidLab是麻省理工学院CSAIL研究人员设计的一个模拟工具，旨在增强机器人对复杂流体操作任务的学习。
• 它使用了一个物理模拟器，能够无缝地计算和模拟各种材料及其相互作用，同时利用图形处理单元(gpu)的能力进行更快的处理。
• 这是机器人持续发展的一部分，使它们更擅长简单的人类任务，这对它们来说往往是一个挑战。

---

人类在日常生活中经常接触各种类型的液体，但对目前的机器人系统来说，这一直是一个艰巨而难以实现的目标。给你一杯拿铁?机器人可以做到这一点。让它吗?这需要更多的细微差别。

FluidLab是麻省理工学院计算机科学与人工智能实验室(CSAIL)的研究人员开发的一种新的模拟工具，它增强了机器人对复杂流体操纵任务的学习能力，比如制作拉花艺术、冰淇淋，甚至操纵空气。虚拟环境提供了一系列复杂的流体处理挑战，包括固体和液体，以及同时涉及多种流体。FluidLab支持建模固体，液体和气体，包括弹性，塑料，刚性对象，牛顿和非牛顿液体，烟雾和空气。

FluidLab的核心是FluidEngine，这是一个易于使用的物理模拟器，能够无缝地计算和模拟各种材料及其相互作用，同时利用图形处理单元(gpu)的能力进行更快的处理。该引擎是“微分”的，这意味着模拟器可以将物理知识融入到更真实的物理世界模型中，从而更有效地学习和规划机器人的任务。相比之下，大多数现有的强化学习方法缺乏仅仅依赖于试错的世界模型。研究人员说，这种增强的能力可以让用户试验机器人的学习算法，并突破当前机器人操作能力的界限。

为了奠定基础，研究人员使用FluidLab测试了机器人学习算法，发现并克服了流体系统中的独特挑战。通过开发聪明的优化方法，他们已经能够将这些学习从模拟有效地转移到现实世界的场景。

“想象一下这样一个未来，家用机器人可以毫不费力地帮助你完成日常任务，比如煮咖啡、准备早餐或做饭。这些任务涉及许多流体操作挑战。我们的基准是使机器人掌握这些技能的第一步，使家庭和工作场所都受益，”麻省理工学院CSAIL的客座研究员、麻省理工学院- ibm沃森人工智能实验室的研究科学家庄干说，他是一篇关于这项研究的新论文的资深作者。“例如，这些机器人可以减少等待时间，改善繁忙咖啡店的顾客体验。据我们所知，FluidEngine是第一个支持各种材料和联轴器的物理引擎，同时具有完全可微分性。通过我们标准化的流体操作任务，研究人员可以评估机器人的学习算法，并突破当今机器人操作能力的界限。”

流体幻想曲

在过去的几十年里，机器人操作领域的科学家主要集中在操纵刚性物体，或者非常简单的流体操作任务，如倒水。在现实世界中研究这些涉及流体的操作任务也可能是一项不安全且昂贵的努力。

然而，对于流体操纵，它并不总是与流体有关。在许多任务中，比如创造完美的冰淇淋漩涡，将固体混合成液体，或者在水中划桨移动物体，这是流体和各种其他材料之间相互作用的舞蹈。模拟环境必须支持“耦合”，即两种不同的材料属性如何相互作用。流体操作任务通常需要非常精细的精度，需要微妙的相互作用和对材料的处理，这将它们与推块或打开瓶子等简单的任务区分开来。

FluidLab的模拟器可以快速计算不同材料之间的相互作用。

帮助gpu的是“太极”，一种嵌入在Python中的特定领域语言。该系统可以计算不同材料类型及其相互作用(耦合)的梯度(与机器人动作相关的环境配置的变化率)。这些精确的信息可以用来微调机器人的动作，以获得更好的表现。因此，模拟器允许更快和更有效的解决方案，使其与同类产品区别开来。

该团队提出的10项任务分为两类:利用流体操纵难以触及的物体，以及直接操纵流体实现特定目标。例子包括分离液体、引导漂浮物、用水射流运输物品、混合液体、制作拉花艺术、塑造冰淇淋以及控制空气循环。

“模拟器的工作原理类似于人类如何使用他们的心理模型来预测他们行为的后果，并在操纵流体时做出明智的决定。与其他模拟器相比，这是我们的显著优势，”该论文的另一位作者、卡内基梅隆大学博士生周贤(音译)说。“虽然其他模拟器主要支持强化学习，但我们的模拟器支持强化学习，并允许更有效的优化技术。利用模拟器提供的梯度支持高效的政策搜索，使其成为更通用、更有效的工具。”

FluidLab的下一步

目前的工作试图将仿真优化的轨迹直接以开环的方式转移到现实世界的任务中。下一步，该团队将致力于开发一种模拟闭环策略，将环境的状态或视觉观察作为输入，实时执行流体操作任务，然后将学习到的策略转移到现实场景中。

这个平台是公开的公开的研究人员希望这将有利于未来的研究，以开发更好的方法来解决复杂的流体操作任务。

马里兰大学计算机科学教授林明(Ming Lin)说:“人类在日常工作中与液体互动，包括倒和混合液体，用水清洗和清洁等等。”他没有参与这项研究。“为了让机器人辅助人类，并以类似的能力完成日常任务，需要新的技术来交互和处理各种不同性质的液体(例如粘度和材料密度)，这仍然是实时自主系统的主要计算挑战。”这项工作引入了第一个全面的物理引擎，FluidLab，可以对各种复杂的流体及其与环境中其他物体和动态系统的耦合进行建模。论文中提出的‘可微流体’的数学公式使得将通用流体模拟集成为基于学习的算法和神经网络架构的网络层成为可能，从而使智能系统能够在实际应用中运行。”

-由Chris Vavra编辑，CFE媒体和技术网站内容经理，cvavra@cfemedia.com．

您是否具有本内容中提到的主题的经验和专业知识?您应该考虑为我们的CFE媒体编辑团队做出贡献，并获得您和您的公司应得的认可。点击在这里开始这个过程。