有些任务是传统的。机器人-硬金属机器人——一点都不合适。另一方面，软件机器人你或许可以更安全地与人交往，或者轻松地潜入一个狭小的空间。要不是机器人一般来说，他们需要知道自己身体所有部位的位置，才能可靠地完成程序设定的任务。对于一个软的机器人一般来说，这是一个困难的任务，因为它可以以几乎无限的方式变形。
麻省理工学院的研究人员开发了一种算法，帮助工程师设计可以收集更多关于周围环境的有用信息的软件。机器人。深度学习算法建议优化传感器机器人体内定位，使其更好地与环境互动，完成分配的任务。这一进展是朝着机器人设计的自动化向前迈进了一步。亚历山大·阿米格尼(Alexander Amigny)说:“这个系统不仅学习给定的任务，还学习如何以最佳方式设计它。”机器人来解决这个任务。”“传感器的放置是一个很难解决的问题。所以，能有这个解决方案是非常令人兴奋的。"
这项研究将于4月在IEEE soft上进行。机器人在国际会议上发表，并将在IEEE上发表。机器人和自动化快递杂志。合著者是阿米格尼和安德鲁·斯皮尔伯格，他们都是麻省理工学院计算机科学和人工智能实验室(CSAIL)的博士生。其他合著者包括麻省理工学院的博士生Lillian King、Wojciech Mathus教授和Daniela Ross教授。
创建能够完成现实任务的软件机器人一直都是机器人该领域的长期挑战。他们僵硬的对手有一个固有的优势:有限的活动范围。严格机器人The finite array of joints and limbs usually makes the algorithm of control mapping and motion planning easy to manage. soft机器人Not so easy to control.
rheid机器人Flexible and flexible-they usually feel more like a bouncing ball than a bowling ball. "software机器人The main problem is that they have infinite dimensions, "Spielberg said. "In theory, software机器人Any point can be deformed in any possible way. This makes it possible to design a software that can map the positions of various parts of the body.机器人It becomes very difficult. Past efforts have been to use an external camera to draw.机器人And feed back the information to.机器人In the control program of. But researchers want to create a soft without outside help.机器人.
"You can't be in机器人There are countless sensors installed on the body, "Spielberg said. "So, the question is: How many sensors do you have and where should you put them to get the best price/performance ratio? The team turned to deep learning for answers.
研究人员开发了一种新的神经网络结构，不仅可以优化传感器的位置，还可以学习有效地完成任务。首先，研究人员将机器人我们的身体被分成称为“粒子”的区域。每个颗粒的应变率被用作神经网络的输入。通过一个试错的过程，网络“学会”了完成任务最有效的动作序列，比如抓不同大小的物体。同时，网络跟踪哪些粒子使用最频繁，并从网络后续实验的输入集中选择使用较少的粒子。
通过优化最重要的粒子，该网络还建议传感器应该被放置在机器人，以确保高效的性能。例如，对于模拟的手抓握机器人该算法可以建议传感器集中在手指中和手指周围，其中精确控制与环境的交互是非常重要的。机器人操纵物体至关重要。虽然这似乎是显而易见的，但事实证明，在传感器位置设置上，算法的性能大大超过了人类的直觉。
研究人员将他们的算法与一系列专家预测进行了比较。
针对三种不同的可变类型机器人布局，研究组要求机器人专家手动选择传感器应该放置的位置，以便有效地完成任务，例如抓取各种物体。然后他们做了一个模拟，比较人类的感知。机器人和算法意识机器人。结果并不接近。阿米格尼说:“我们的模型在每项任务上都比人类好得多，即使我读了一些。”机器人身体对传感器应该去哪里非常有信心。”“事实证明，这个问题比我们原先预想的要微妙得多。"
斯皮尔伯格说他们的工作很有帮助机器人设计过程的自动化。他说除了发展控制之外机器人运动算法，“我们还需要考虑如何进行这些。机器人以及它将如何与系统的其他组件交互。“更好的传感器放置可以实现在工业在应用上，特别是在机器人用于精细的任务，如手抓。斯皮尔伯格说:“这需要非常强烈且经过良好优化的触觉。”“所以，有可能产生立竿见影的效果。”
罗斯说:“软到感应不到。机器人自动设计是快速创造智能工具，帮助人们完成体力劳动的重要一步。”“传感器是这个过程的一个重要方面，因为它们使软。机器人能够“看见”和理解这个世界及其与世界的关系。"
这项研究部分由国家科学基金会和房利美与约翰·赫兹基金会资助。