推动机器人研究和开发的大学

一些大学正在推动机器人研究，并继续吸引和招募著名的教授到他们的机器人花名册上。他们在机器人领域有跨学科的硕士和博士课程。它们正在催生成功的衍生产品，并对机器人研究和教育采取全面的方法。

机器人技术是一项多学科的运动。传统的研究领域，机械工程，电气工程和计算机科学，已经扩展到生物系统和认知科学。许多顶尖大学的机器人项目正在从各个角度应对机器人挑战，并在此过程中取得了令人着迷的发现。

人机交互

卡内基梅隆大学(CMU)的机器人研究所是美国最古老的研究所之一，也是第一个提供机器人研究生课程的研究所。该研究所包括位于宾夕法尼亚州匹兹堡的CMU校园的主要设施，附近劳伦斯维尔的国家机器人工程中心(NREC)和Hazelwood的机器人城。

机器人研究所隶属于CMU计算机科学学院。研究人员对机器人技术采取综合方法，研究机器人设计和控制，感知，机器人学习，自主和人机交互(HRI)。

事实上，该研究所所长马夏尔·赫伯特(Martial Hebert)表示，人力资源研究所是一个中心主题。“机器人技术的大部分工作与机器人的关系不大。这与人有关，”他说。“了解人，预测人，理解他们的意图。从理解自动驾驶汽车的行人，到理解协作机器人制造中的同事，以及涉及与任何级别的人互动的任何应用程序。”

CMU试图更好地了解人们的方法之一是研究人类的肢体语言。研究人员建造了一个真人大小的测地线圆顶，配备了VGA摄像机、高清摄像机和深度传感器，可以从数万个轨迹中捕获图像。其结果是人的动态三维重建，他们的身体姿势和动作。

人类通过身体动作、姿势和面部表情来表达自己的意思，而不是说话。CMU Panoptic工作室的建立就是为了捕捉这些微妙的非语言线索，并创建一个我们肢体语言的数据库，以帮助机器人更好地与人类建立联系。这项研究正在进行中，现有的数据集可以用于全身运动、手势和3-D面部表情。

机器学习和机器人智能

赫伯特说，机器学习是CMU的另一个重要领域。这个想法是让机器人从自己的行为和数据中学习，并随着时间的推移学会变得更好。例子包括学习如何抓取的机械手，或者学习如何更好地飞行的无人机。CMU与霍尼韦尔智能(Honeywell Intelligrated)合作开发先进的供应链机器人和人工智能，旨在利用机器学习的力量来控制和操作连接配送中心的多种机器人技术。

赫伯特说:“这是一种材料处理应用程序，包括分拣包裹，并以非常高的速度在配送中心移动包裹。”“我们已经经过了机器人只做重复性操作的阶段。他们必须能够做出决定，他们必须能够适应环境。事物并不总是在同一个地方或它们应该在的地方。这就是机器学习和自主性发挥作用的地方。所有这些都汇集在这类应用程序中。”

该项目正在该大学的NREC设施进行，CMU的研究人员在那里帮助工业和政府客户概念化和商业化机器人技术。

尽管CMU的世界是自动驾驶汽车，但Hebert表示，与机器人智能相比，他们较少关注机器人研究的物理方面。这是我们在学术界内外反复听到的一个主题，对算法的关注，或者机器人的软件方面。

例如，Kaarta制造了一种3d移动扫描和地图生成系统，该系统将先进的同步定位和地图(SLAM)技术实时应用。3d数字模型就在你面前的手持触摸屏界面上生成，不需要后期处理。其核心是正在申请专利的先进3d地图和定位算法，这是CMU机器人实验室的产品。

赫伯特说:“我们的贡献是从传感器中获取大量数据，并非常快速有效地对其进行优化。”他将这一壮举归功于先进的数学和算法。

该系统的紧凑尺寸和可定制的成像硬件使其能够安装在地面或空中飞行器上，如无人机，用于内部和外部使用。目前，该公司的产品面向基础设施检查员、测量员、工程师、建筑师和设施规划师。但想象一下急救人员、危险品处理小组、执法部门以及未来自动驾驶汽车的可能性。

搜救机器人

Snakebot机器人在狭窄的空间和泥泞的环境中蜿蜒前进，这些环境对人们来说可能是不友好和不可预测的。在墨西哥城发生灾难性地震后，Snakebot在地面上进行搜索和救援工作。

计算机科学教授、CMU生物机器人实验室主任豪伊·乔塞特(Howie Choset)表示，他们为这款机器人及其成就感到自豪。然而，挑战依然存在。

“挑战在于如何移动(移动)，向何处移动(导航)，创建环境地图，以及为检查员提供良好的远程态势感知，”Choset说。

机器人前面的摄像头可以帮助操作员看到机器人周围的直接区域，但这在低光条件和高度狭窄的环境中有局限性。在灾难场景中，感知声音和气味的传感器在探测生命迹象方面可能更有用。

乔塞特设想，蛇形机器人将用于制造应用，比如检查飞机机翼内部的紧点，或在飞机机翼或船只内安装紧固件，以及在车门内喷漆。他还希望看到这些机器人在核工业中发挥作用。

医疗机器人技术

生物机器人实验室开发的另一种蛇形机器人在医疗机器人领域取得了重大进展。与用于搜索和救援或工业应用的蛇机器人不同，手术蛇是一种电缆驱动的机器人。

乔塞特解释了其中的区别。“想象一个牵线木偶，上面有小电线拉着娃娃的不同部位。缆绳驱动的机器人是由内部缆绳拉动连接使关节弯曲的机器人。马达不必安装在车上，所以你可以使用更轻的机械装置，或者在我的情况下，使用更大的马达。”

这与在管道中爬行的移动机器人形成对比，在管道中，所有的马达都在船上。

“我认为微创手术是机器人的一个伟大领域，”乔塞特说。“挑战在于获取途径，如何到达正确的位置，以及一旦到达那里，开发工具、末端执行器和其他机制来提供治疗和诊断。情境感知，或者能够真正理解周围环境，是下一步。”

CMU的生物机器人团队设想了蛇机器人未来的微创无疤痕手术。但与此同时，这项技术已经在跨口机器人手术中取得了成功，并已授权给Medrobotics公司。

自动驾驶汽车

密歇根大学可能以其足球项目而闻名，但它的自动驾驶汽车研究让密歇根机器人公司(Michigan Robotics)名扬四海。Mcity测试设施位于底特律40英里外，是一个独一无二的试验场，用于在模拟城市环境中测试联网自动驾驶汽车技术。

密歇根大学安娜堡校区占地32英亩，有数英里的道路，有十字路口、交通标志和信号、人行道、模拟建筑、建筑屏障等障碍物，甚至偶尔还有“假人”来测试行人避开技术。对于研究人员来说，这是一个典型的户外实验室，他们设想到2021年，一个由连接的自动驾驶汽车组成的本地网络。

密歇根大学工程学教授德米特里·贝伦森(Dmitry Berenson)说，“自动驾驶可能是我们最熟悉的东西。”“这是这里真正的优势。我们有密歇根大学交通研究所(UMTRI)多年来一直在进行自动驾驶研究，甚至在它普及之前。我们与汽车制造商的关系非常密切，因此我们可以很快地安排会议，与他们进行整合，并获得反馈。与丰田和福特的良好合作关系正在推动自动驾驶技术向前发展。”

贝伦森是自主机器人操作(ARM)实验室的主任，该实验室是他两年前加入密歇根大学时创建的。算法仍然是他的激情所在。

贝伦森说:“密歇根大学正在做一件非常重要的事情，它正在突破算法的界限，让机器人进入现实世界的非结构化环境。”“我们有人在航空航天应用方面进行研究，一直到有腿的运动，像我的团队那样的操纵，到自动驾驶。自动驾驶技术有巨大的推动力。我们的一些教师在这个领域有创业公司。”

密歇根大学教授埃德温·奥尔森(Edwin Olson)于2017年共同创立了May Mobility。这家初创公司的自动驾驶班车服务目前正在底特律市中心运营，并在其他中西部城市开辟了新的领域。作为APRIL机器人实验室的主任，Olson以其在感知算法、映射和规划方面的工作而闻名。这些自动驾驶班车背后的授权知识产权是在他的实验室开发的。

密歇根大学的另一位教员瑞安·尤斯蒂斯(Ryan Eustice)是丰田研究所(Toyota Research Institute)负责自动驾驶的高级副总裁，他一直在研究SLAM技术。

“SLAM是自动驾驶汽车的关键技术，”贝伦森说。“没有它，他们不知道自己身在何处。”

Eustice是感知机器人实验室(PeRL)的主任，该实验室是密歇根大学的一个移动和海洋机器人实验室，专注于机器人感知、导航和地图的算法开发。他与福特汽车公司(Ford Motor Company)一起参与了下一代汽车(NGV)项目，福特汽车公司是第一家在Mcity测试自动驾驶汽车的汽车制造商。

机器人技术掀起轩然大波

福特拥有密歇根机器人公司的传统股权。密歇根大学安娜堡校区目前正在建设一座价值7500万美元的设施，将被命名为福特汽车公司机器人大楼，以纪念该汽车制造商向工程学院捐赠的1500万美元。这座占地14万平方英尺的建筑将包括一个三层楼高的自动飞行器飞行区、一个供有腿机器人使用的室外障碍训练场，以及一个供自动驾驶汽车使用的高舱车库。福特还将在四楼建立一个校园内的研究实验室，在那里，汽车制造商的研究人员将能够轻松地与大学的教师合作，并为学生提供实践经验。

该设施还将包括教室、办公室和实验室空间。将学生、教师和研究人员聚集在一个专门研究机器人的空间里，将鼓励流畅的互动和思想交流。实际上，这是一种旨在从各个角度研究机器人问题和解决方案的文化，包括机械、电子、感知、控制和导航，大学领导层将这种方法称为“全谱自治”。

丰田研究所也为密歇根大学的研究工作提供了资金。贝伦森说:“他们看重我们的机器人和自动驾驶技术，不是因为他们认为这将在未来5年或10年提升他们的利益。”

机器人操作与抓取

在他的实验室里，贝伦森正在开发机器人运动规划和操作的算法。这项研究包括在混乱的环境中抓取和操纵可变形的物体，比如绳子或布，它们具有延展性，在处理时可以改变形状。

“我们有可变形的物体，我们有成堆的杂物，其中一些我们以前可能见过，有些我们没有见过。无论如何，我们必须操纵它们，”贝伦森说。“我们不能等着有人完美地模拟环境，给我们所有的参数，告诉我们每件东西的位置，并提供每个物体的CAD模型。这在工厂里很好，但在别人家里就行不通了。

“你永远不会有一个完美的模型来描述绳子或布料的行为。尽管存在不确定性，但我们必须能够操纵市场。”“例如，我们可以把餐垫放在桌子的特定位置，避开障碍物。我们可以在不知道可变形物体的大部分参数的情况下完成这些任务，比如它的刚度或摩擦值。”

贝伦森认为，通过在距离限制方面表示物体和任务，并根据这种表示制定控制和规划方法，可以克服涉及到电缆、衣服甚至肌肉组织等可变形物体的挑战。以这种方式启用机器人可以让医疗机器人在外科手术或铺床中执行繁琐的任务，在家庭服务中，让机器人处理衣服和准备食物。

“我们对这项工作感到非常兴奋，因为我们相信它将推动机器人在非常有限的信息下完成任务的前沿，这对于让机器人在人们的家中或自然环境中工作至关重要。”

ARM实验室也在研究形状补全算法。当你有一个杂乱的环境，比如一堆衣服或其他需要分类的东西时，这是特别有利的。

“如果你用激光扫描仪扫描东西，你只能看到它的前部。你不知道它背后是什么，也不知道它延伸了多远。”贝伦森说。“我们一直在研究算法，让我们基本上可以填充我们看不到的物体部分。”

他的团队正在利用其他研究人员在深度神经网络三维重建方面已经完成的大量工作。通过机器学习，该算法已经学会了查看物体的局部扫描，并通过查看数千个先前扫描的物体来推断它无法看到的部分形状。事实证明，许多家居用品都非常相似，所以贝伦森说，他们可以很好地预测家居用品。

研究小组还使用复杂的机器人技术来测试和验证他们的运动规划和操作算法。他们能够抓住和操纵不同形状、重量和易碎性的日常物品。

Tanya M. Anandan是《纽约时报》的特约编辑机器人工业协会(RIA)和机器人在线．RIA是一个非营利性行业协会，致力于通过机器人技术和相关自动化提高北美制造业和服务业的区域、国家和全球竞争力。这篇文章最初出现在RIA网站上．RIA是推进自动化协会(A3)的一部分，该协会是CFE Media内容合作伙伴。克里斯·瓦夫拉编辑，制作编辑，控制工程， CFE传媒，cvavra@cfemedia.com．

原创内容可在www.robotics.org．

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。