一种新方法有助于优化未来机器的复杂和有机形状

机器人技术中的充分仿生需要设计和控制之间的微妙平衡，这是使我们的机器更像我们的一个组成部分。人类的高级灵巧包含在一个关于我们的愤怒之拳如何进化以完成复杂任务的漫长进化故事中。对于机器，设计新的机器人操纵器可能意味着在人类直觉的指导下进行设计、制造和评估的漫长手动迭代周期。

大多数机械手都是为通用目的而设计的，因为制作特定于任务的手非常繁琐。现有方法在对接触丰富的任务至关重要的设计复杂性与制造和接触处理的实际限制之间进行权衡。

这促使麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的研究人员创建了一种新方法，以计算优化机器人机械手的形状和控制以完成特定任务。他们的系统使用软件来操纵设计，模拟机器人执行任务，然后提供优化分数来评估设计和控制。

这种任务驱动的机械手优化在制造和仓库机器人系统中具有广泛的应用潜力，其中每项任务都需要重复执行，但不同的机械手将适用于各个任务。为了测试系统的功能，该团队首先创建了一个单一的机械手指设计来翻转地面上的一个盒子。指尖结构看起来像胡克船长的左手，通过算法自动优化以钩在盒子的背面并翻转它。他们还为组装任务开发了一个模型，其中两指设计将一个小立方体放入一个更大的可移动支架中。由于手指有两种不同的长度，因此可以接触到两个不同大小的物体，手指较大且较平坦的表面有助于稳定推动物体。

传统上，这种联合优化过程包括使用简单、更原始的形状来近似机器人设计的每个组件。例如，当创建一个三段机器人手指时，它可能会被三个连接的圆柱体近似，其中算法优化长度和半径以实现所需的设计和形状。虽然这会简化优化问题，但过度简化形状会限制更复杂的设计，最终会限制复杂的任务。

为了创建更多涉及的操纵器，该团队的方法使用了一种称为“基于笼子的变形”的技术，该技术基本上允许用户实时更改或变形形状的几何形状。

例如，使用该软件，您可以在机器人手指周围放一些看起来像笼子的东西。该算法可以自动更改笼子尺寸以制作更复杂、更自然的形状。设计的不同变体仍然保持其完整性，因此可以轻松制造。

该团队开发了一个模拟器来模拟机械手的设计和任务控制，然后提供性能分数。

“使用这些仿真工具，我们不需要通过在现实世界中制造和测试来评估设计，”麻省理工学院博士生、一篇关于该研究的新论文的主要作者 Jie Xu 说。“与流行用于操作但数据效率低下的强化学习算法相比，所提出的基于笼子的表示和模拟器允许使用强大的基于梯度的方法。我们不仅能找到更好的解决方案，还能更快地找到它们。因此，我们可以快速为设计评分，从而显着缩短设计周期。”