软体机械臂使用灵活的传感器来了解自己的位置

麻省理工学院的研究人员已经使一个软机械臂能够理解其在3D空间中的配置，仅利用来自其自身“传感”皮肤的运动和位置数据。

由高度柔韧的材料建造的软体机器人，类似于在生物体中发现的那些，被认为是传统刚性机器人的更安全、更适应、更有弹性和生物灵感的替代品。赋予这些可变形机器人自主控制是一项艰巨的任务，因为它们可以在任何给定时刻向几乎无限个方向移动。这使得训练驱动自动化的计划和控制模型变得困难。

实现自主控制的传统方法是使用由多个动作捕捉摄像机组成的大型系统，为机器人提供关于3D运动和位置的反馈。但这些对于软体机器人在实际应用中是不切实际的。

研究人员描述了一种覆盖在机器人身体上的软传感器系统，以提供“本体感受”，即对其身体的运动和位置的感知。这种反馈会遇到一个新的深度学习模型，该模型可以筛选噪声并捕获清晰的信号，以估计机器人的3D配置。研究人员在一个类似大象鼻子的软机械臂上验证了他们的系统。当它自主摆动和伸展时，它可以预测自己的位置。

麻省理工学院计算机科学与人工实验室(CSAIL)的博士后瑞安·特鲁比(Ryan Truby)说，传感器可以使用现成的材料制造，这意味着任何实验室都可以开发自己的系统。

他说:“我们正在用一种非常简单、快速的制造方法，对软体机器人进行传感，以从传感器而不是视觉系统获得控制反馈。”“例如，我们希望使用这些柔软的机器人躯干来自动定位和控制自己，拿起东西并与世界互动。这是朝着更复杂的自动化控制迈出的第一步。”

未来的一个目标是帮助制造能够灵巧地处理和操纵环境中的物体的假肢。CSAIL主任丹妮拉·罗斯说:“想想你自己的身体:你可以闭上眼睛，根据皮肤的反馈重建世界。”“我们希望为软体机器人设计同样的功能。”

软传感器整形

软机器人的长期目标是完全集成的身体传感器。传统的刚性传感器降低了软体机器人本体的自然顺应性，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一种更合适的替代品，但需要专门的材料和方法进行设计，这使得许多机器人实验室难以制造和集成到软机器人中。

有一天，特鲁比在CSAIL实验室寻找传感器材料的灵感时，发现了一个有趣的联系。“我发现这些用于屏蔽电磁干扰的导电材料，你可以在任何地方买到，”他说。

这些材料具有“压阻性”，这意味着它们在应变时电阻会发生变化。特鲁比意识到，如果把它们放在树干的特定位置，就可以制作有效的软传感器。当传感器因树干的拉伸和压缩而变形时，其电阻被转换为特定的输出电压。然后，电压被用作与该运动相关的信号。

这种材料的拉伸能力不强，这限制了它在软机器人领域的应用。特鲁比的灵感来自kirigami——折纸的一种变种，包括在材料上进行切割——他设计并用激光将导电硅胶片的矩形条切割成各种各样的图案，比如一排排的小孔或像链状栅栏一样的纵横交错的切片。这使得它们更加灵活、可拉伸，“而且看起来很漂亮，”特鲁比说。

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驱动器(共12个)用于移动手臂。他们在每个部分上融合了一个传感器，每个传感器覆盖并从软机器人中的一个嵌入式执行器收集数据。他们使用了“等离子键合”技术，这种技术使材料的表面充满能量，使其与另一种材料结合。制作几十个传感器大约需要几个小时，这些传感器可以使用手持等离子体键合设备连接到软体机器人上。

学习新的配置

正如假设的那样，传感器确实捕捉到了树干的一般运动，但它真的很吵。“从本质上讲，它们在很多方面都不是理想的传感器，”特鲁比说。“但这只是用软导电材料制造传感器的一个常见事实。性能更高、更可靠的传感器需要专业的工具，而大多数机器人实验室都没有。”

为了仅使用传感器来估计软体机器人的配置，研究人员建立了一个深度神经网络，通过筛选噪声来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的模型来从运动学上描述软机器人的形状，极大地减少了模型处理所需的变量数量。

在实验中，研究人员让树干在大约一个半小时的时间里随意摆动和伸展。他们使用传统的动作捕捉系统来获取地面真实数据。在训练中，该模型分析来自传感器的数据来预测配置，并将其预测与同时收集的地面真实数据进行比较。在此过程中，该模型“学习”将传感器的信号模式映射到现实世界的配置。结果表明，对于某些稳定的配置，机器人的估计形状与地面真实相匹配。

接下来，研究人员的目标是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，以减少每个新的软体机器人所需的训练。他们还希望改进系统，以便更好地捕捉机器人的全动态运动。

目前，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，就目前而言，这是基于学习的软体机器人控制方法的重要第一步，Truby说:“就像我们的软体机器人一样，生命系统不需要完全精确。与刻板的机器人相比，人类并不是精密的机器，我们做得很好。”

麻省理工学院

www.mit.edu

-由Chris Vavra编辑，CFE Media控制工程副主编cvavra@cfemedia.com．请看下面麻省理工学院的其他报道。

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