機器人研究運動的設置與一個人相似，以防止物體滑倒

為了在現實世界中有效執行各種任務，機器人必須能夠可靠地理解各種形式，紋理和尺寸的對象，而不會將其扔在不良的地方。通過擰緊機器人手的離合器來防止物體滑動，可以提高機器人抓住對象的能力的常規方法。

林肯大學，劍橋研究實驗室東芝歐洲，薩里大學，亞利桑那大學和卡斯塔的研究人員最近引入了替代計算策略，以防止由機器人手射擊的物體，這些機器人手射擊，調節操縱運動期間機器人手的軌跡。他們的方法包括機器人控制器和調節傳記預測路徑的新策略，列出了本文 出版 v 自然情報場地

該報紙的高級作者Tech Xplore Amir Galalamzan說：“本文的靈感來自非常人性化的經驗。”

“當您攜帶一個脆弱或濕滑的物體並感覺到它如何開始滑動時，您不僅會擠壓它更強大。相反，您巧妙地調整了手動的動作 – 彎曲，傾斜度或手勢 – 握住它。但是，歷史上，機器人歷史上只是依靠所有努力來防止場景拖鞋。”

最近對Galalamzan及其同事進行研究的主要目標是開發一個控制器，該控制器可以預測該物體何時可以擺脫對機器人的了解並正確調整其運動，以免滑倒，因為人們可以在對象處理過程中調整其運動。他們開發的控制器取決於調節軌蹟的策略，靈感來自傳記，該策略補充了調節機器人捕獲力的傳統方法，從而允許更聰明的操縱策略。

“我們的方法模仿人們如何使用內部模型與世界互動，”加拉拉姆贊解釋說。 “就像人腦連續預測我們行動的結果一樣，例如，如果我們移動得太快，玻璃是否可以滑動一樣，我們基於數據或“世界模型”創建了一個內部模型，這使機器人可以預測他將經歷的未來觸覺感覺。

團隊的控制器允許機器人放慢速度，改變方向並適應雙手的位置和方向，而不是簡單地擠壓對象，以免滑倒。通過更改機器人的運動來確保對象的這種替代策略可以幫助降低機器人處理時脆弱對象會破裂的風險。在無法更改機器人的捕獲力的情況下，調製軌蹟的方法也可以工作，這可以使其與廣泛的對象進行更平滑和更智能的交互。

“我們的研究代表了兩個關鍵突破，”加拉讚說。 “第一個是基於移動的滑動控制器，該運動是基於捕獲的動作的。該策略可以補充控制控制器，並且當無法支撐離合器的易碎物體，濕或濕滑的表面或硬件時，離合器的增加是不可能的，這尤其有價值。

“第二個是基於訓練有素的觸覺前向模型（即世界模型）的預測控制器，它允許機器人根據其計劃的行動預測滑動。”

最近開發的控制器用於計劃機器人捕獲的運動，並在動態的非結構化環境中進行了測試。值得注意的是，發現在某些情況下，可以顯著提高機器人捕獲的穩定性，而在普通控制器之前，它僅通過適應機器人的容量來工作。

加拉拉姆讚說：“傳統上，將這種模型引入了預測控制的循環太要求了。” “我們的研究表明，這不僅是可行的，而且是有效的。”

這支研究人員團隊的最新工作可以為機器人系統的發展做出貢獻，該機器人系統將安全地使用世界模型安全地處理各種身體和潛在的社交互動。這可以使機器人可以在各種真實條件（包括家庭環境，生產地點和醫療機構）中處理各種物體。

Galalamzan補充說：“我們正在積極地努力使我們的預後控制器更快，更有效，因此可以實時擴展它在更苛刻的設置中。” “這包括對各種架構和算法方法的研究，以降低計算間接費用。”

作為以下研究的一部分，研究人員還擴展了他們的系統，以支持使用對象進行更先進和復雜的操縱任務，包括處理可變形的對像或需要用兩隻手操縱的對象。最後，他們還計劃將其方法與計算機視覺算法相結合，這將允許他們根據觸覺和視覺信息來規劃機器人的軌跡。

“另一個重要領域是改善對這些研究模型的驗證和解釋，”加拉拉姆贊補充說。 “隨著我們正朝著更加智力和自治系統邁進時，人們必須了解和相信機器人如何做出決策非常重要。我們的長期願景是發展預測控制者，這些控制者不僅有效，而且是在現實世界中部署的透明和安全的。”

©2025科學X網絡