人工肌肉和新型传感器如何让机器人由硬变软？

机器人可用柔性材料来制造，但与其刚性传感器的融合会限制机器人的灵活性。研究人员发明了一个嵌入式传感器来替换原来的传感器，该嵌入式传感器可提供相同的功能，使机器人更具灵活性。软体机器人相比传统刚性设计机器人更具适用性，灵活性也更强。东京大学研究团队采用了前沿机器学习技术来进行机器人设计。

信源︱东京大学

翻译 |苏岚

自动化学科正变得越来越重要，而其核心概念则是机器人和机器学习技术，这两个技术相辅相成。机器学习和机器人之间的关系不仅限于对于机器人的行为控制，对他们的设计和核心功能也至关重要。身处现实中的机器人需要对它所处的环境以及其自身都需要有所了解，从而确定并完成任务。

如果整个世界都是可预测的，那么机器人也就不需要学习任何新的环境变化就可随意移动。但现实是不可预测并不断变化的，所以机器学习帮助机器人适应不熟悉的情景。理论上这适用于所有的机器人，但对于软体机器人（soft-bodied robots）却尤为重要，因为他们的物理特性本质上而言比他们的刚性同类更难预测。

“以具有气动人工肌肉（PAM）的机器人为例，基于橡胶和纤维的流体驱动系统扩大和控制移动，” 东京大学情报科学研究院副教授中岛康惠（Kohei Nakajima）说，“气动人工肌肉一直有随机产生机械噪音和滞后的问题，时间长了以后会产生机械应力。精密激光控制器帮助提供反馈控制，但这些刚性传感器限制了机器人的移动，所以我们提出了一些新的想法。”

东京大学Kohei Nakajima副教授

中岛和他的团队认为，如果他们可以实时模拟一个气动人工肌肉，那么就可以很好地控制它。然而，鉴于气动人工肌肉不断变化的特性，运用传统机械模型的方法很不现实，所以该团队转而采用一个强大的并已建立的机器学习技术——储备池计算。这完全是一个信息系统，在此情况下的气动人工肌肉被实时注入一个特殊的人工神经网络，该模型是不断变化从而能适应整个环境。

“我们发现气动人工肌肉的电阻变化受收缩过程中的形状影响。所以我们将这个数据传输至网络以正确报告气动人工肌肉的状态，”中岛表示，“普通橡胶是一个绝缘体，所以我们可以将碳嵌入我们的材料中从而能更容易读取它的电阻变化。我们发现该系统在一定测试条件下可模拟现有的激光位移传感器，并实现一样的高精度。”

新方法可以开启软体机器人技术新时代。这可能让机器人和人类一起工作，例如可穿戴康复设备或生物医学机器人，因为柔软的触感意味着和他们互动是温柔和安全的。

“我们的研究建议可将储备池计算用于除了机器人外的其它应用。遥感应用可能会受益匪浅，它需要在分散工作方式时实时获取信息，”中岛说，“其他研究神经计算—智能计算系统的研究人员也可以将我们的想法应用于他们的研究中以提升他们系统的性能。”

END