研究人员开发了一种生物模型 可以改善机器人的运动操纵能力

在过去的几十年里，机器人学家创造了越来越先进和复杂的机器人系统。虽然其中一些系统效率很高，并取得了令人瞩目的成果，但它们在一些任务上的表现仍然远不如人类，包括那些涉及抓取和操纵物体的任务。

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的布里斯托尔机器人实验室（BRL）的研究人员最近开发了一个模型，可以帮助改善机器人的操纵。这个模型发表在《电气和电子工程师协会工业信息学期刊》（IEEE Transactions on Industrial Informatics）的一篇论文中，它从人类如何根据他们要完成的任务来调整他们的操纵策略中获得了灵感。

在BRL工作的论文通讯作者杨晨光教授说道："人类具有处理物理接触和完成动态任务的非凡能力，如弯曲、切割和装配，最佳和顺从。虽然这些任务对人类来说很容易，但对机器人来说，即使是先进的机器人，要完成这些任务也是相当具有挑战性的。"

根据杨教授和他的同事的说法，许多机器人在操纵任务上挣扎的原因之一是它们缺乏一种称为适应性顺应的人类先天技能。这种技能使人类能够根据他们试图操纵的物体的互动力来调整他们的动作和操纵策略。

为了在机器人中复制这种能力，研究人员从神经科学研究中获得了灵感，特别是那些与人类运动控制有关的研究。与过去开发的其他方法相比，他们的模型对特定任务的参数化运动轨迹进行编码，这些轨迹与包括阻抗和前馈力曲线信息的动态轨迹相关。

杨教授说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。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，我们的方法使机器人能够在执行任务的过程中动态地适应它们的顺应性，这要感谢人类的运动控制机制。总的来说，我们的工作表明，仿生学习控制可能是一个有希望的解决方案，使机器人能够从人类那里学习操纵技能。

在未来，该模型可以帮助提高现有和新开发的机器人的操纵技能，促进它们在各种现实世界环境中的整合。例如，它可能导致机器人更好地完成涉及力的相互作用的工业任务，如切割、钻孔和抛光。

杨教授补充说：“在未来，我们将尝试以多种方式改进我们的方法，例如通过使用优化技术（如强化学习）优化适应配置文件；以及利用更多的模式，使其成为一个多模式的学习和控制框架。”