一种受人类自适应控制策略启发的机器人柔顺操作方法

在过去的几十年里，机器人专家创造了越来越先进和复杂的机器人系统。虽然其中一些系统非常高效，取得了显著的成果，但它们在一些任务上的表现仍远远低于人类，包括那些涉及抓取和操作对象的任务。

来自广东工业大学、米兰理工大学、苏塞克斯大学和西英格兰大学布里斯托机器人实验室(BRL)的研究人员最近开发了一种模型，可以帮助改善机器人操作。该模型发表在《IEEE工业信息学汇刊》(IEEE Transactions on Industrial Informatics)上，它的灵感来自于人类如何根据要完成的任务调整操作策略。

该论文的通讯作者、BRL的杨晨光教授告诉TechXplore:“人类有非凡的能力来处理身体接触和完成动态任务，如弯曲、切割和组装，并以最优和合规的方式完成。尽管这些任务对人类来说很容易，但对机器人来说，即使是高级机器人，也相当具有挑战性。”

杨教授和他的同事们表示，许多机器人难以完成操作任务的原因之一是它们缺乏人类天生的适应性顺应能力。这种技能允许人类根据与他们试图操纵的物体的互动力量来调整他们的动作和操作策略。

为了在机器人身上复制这种能力，研究人员从神经科学研究中获得灵感，尤其是与人类运动控制相关的研究。与过去发展的其他方法相比，他们的模型编码特定任务的参数运动轨迹，这些轨迹与包含阻抗和前馈力分布信息的动态轨迹相关。

"我们的工作重点是如何使机器人从人类那里学习顺应性的操纵技能这一课题，"杨教授说。"我们研究的核心目标是开发学习和控制方法，使机器人能够以顺应的方式处理物理互动和接触丰富的任务。"

该方法从一个控制生物模型中获得灵感，该模型描述了人类如何学习适应性地控制其肌肉运动以完成操纵任务。因此，新的模型允许机器人在执行从人类示范的任务中获得的运动轨迹时，同时获得关于阻抗和力的信息，以学习完成该任务。

杨教授说:“由于人类的运动控制机制，我们的方法使机器人在执行任务时能够动态地适应它们的顺应性。”“总的来说，我们的工作表明仿生学习控制可能是一个很有前途的解决方案，让机器人从人类那里学习操作技能。”

在未来，该模型可以帮助提高现有和新开发的机器人的操作技能，促进它们在各种现实环境中的集成。例如，它可以使机器人更好地完成涉及力交互作用的工业任务，如切割、钻孔和抛光。

“在未来，我们将尝试在几个方面改进我们的方法，例如通过优化技术优化适应轮廓，如强化学习;并利用更多的模式使其成为一个多模式的学习和控制框架，”杨教授补充道。