“感应”皮肤帮助软体机器人找到自己的方位

麻省理工学院(MIT)的研究人员首次利用其自身“感应”皮肤的运动和位置数据，使柔软的机械臂能够了解其在三维空间中的配置。

由高度顺应性材料制成的软机器人，类似于那些在活的有机体中发现的，被认为是更安全、适应性更强、更有弹性、更受生物启发的传统刚性机器人的替代品。但是，给这些可变形的机器人以自主控制是一项艰巨的任务，因为它们可以在任何时刻向几乎无限的方向移动。这使得训练驱动自动化的计划和控制模型变得困难。

传统的实现自主控制的方法是使用多个动作捕捉相机的大型系统，为机器人提供关于3D运动和位置的反馈。但在现实世界中，这对于软机器人来说是不切实际的。

在《IEEE机器人与自动化通讯》杂志上发表的一篇论文中，研究人员描述了一个覆盖机器人身体的软传感器系统，以提供“本体感受”——即对其身体的运动和位置的感知。这种反馈进入了一种新型的深度学习模型，该模型在噪声中筛选并捕捉清晰的信号来估计机器人的三维结构。研究人员在一个类似象鼻的软机械臂上验证了他们的系统，这只机械臂可以在自主旋转和伸展时预测自身的位置。

麻省理工学院计算机科学与人工实验室(CSAIL)的博士后Ryan Truby说，传感器可以用现成的材料制造，这意味着任何实验室都可以开发自己的系统。

他说:“我们正在利用一种非常简单、快速的制造方法，使软式机器人能够从传感器(而非视觉系统)获得控制反馈。”“我们想用这些柔软的机器人鼻子，例如，自动定位和控制自己，捡起东西并与世界互动。”这是迈向更复杂的自动化控制的第一步。”

未来的一个目标是帮助制造能够更灵活地处理和操纵环境中的物体的假肢。“想想你自己的身体:你可以闭上眼睛，根据皮肤的反馈重建世界，”该研究的合著者、CSAIL的主任、电气工程和计算机科学的安德鲁和埃尔纳·维特比教授丹妮拉·罗斯(Daniela Rus)说。“我们希望为软机器人设计同样的功能。”

形成软传感器

软机器人的一个长期目标是完全集成人体传感器。摘要传统的刚性传感器不利于软机器人身体的自然顺应性，使软机器人的设计和制造复杂化，并可能导致各种机械故障。基于软材料的传感器是一个更合适的选择，但需要专门的材料和方法来设计，这使得许多机器人实验室很难制造和集成软机器人。

有一天，特鲁比在他的CSAIL实验室里寻找传感器材料的灵感时，发现了一个有趣的联系。“我发现这些用于电磁干扰屏蔽的导电材料，你可以在任何地方买到，”他说。这些材料具有“压阻”特性，这意味着它们在受到压力时电阻会发生变化。特鲁比意识到，如果把传感器放在树干上的特定位置，它们就能制造出有效的软传感器。当传感器因躯干的拉伸和压缩而变形时，它的电阻被转换成特定的输出电压。然后电压被用作与运动相关的信号。

但是这种材料拉伸不了多少，这就限制了它在软机器人领域的应用。灵感来自kirigami——一种折纸的变体，包括在材料上进行切割——Truby设计和激光切割的长方形导电硅树脂薄片，制成各种各样的图案，比如一排排的小孔或像连锁围栏一样纵横交错的薄片。这使得它们更加灵活、有弹性，“而且看起来很漂亮，”特鲁比说。

资料来源:Ryan L. Truby, MIT CSAIL

研究人员的机器人躯干包括三个部分，每个部分有四个流体驱动器(共12个)用来移动手臂。他们在每个部分融合了一个传感器，每个传感器覆盖并收集来自软机器人内嵌执行器的数据。他们使用了“等离子键合”技术，这是一种给材料表面提供能量使其与另一种材料结合的技术。制作几十个传感器大约需要几个小时的时间，这些传感器可以通过手持等离子焊接设备连接到软机器人上。

资料来源:Ryan L. Truby, MIT CSAIL

“学习”配置

据推测，传感器的确捕捉到了躯干的整体运动。但是他们真的很吵。“本质上，它们在很多方面都不是理想的传感器，”特鲁比说。“但这只是利用软导电材料制造传感器的一个常见事实。高性能、更可靠的传感器需要专门的工具，而大多数机器人实验室都没有。”

为了只用传感器来估计软机器人的结构，研究人员建立了一个深度神经网络，通过筛选噪声来捕捉有意义的反馈信号，来完成大部分的繁重工作。研究人员开发了一个新的模型来动态地描述软机器人的形状，这大大减少了模型需要处理的变量数量。

在实验中，研究人员让树干旋转，并在大约一个半小时的时间里以随机的形式伸展自己。他们使用传统的动作捕捉系统获取地面真实数据。在训练中，该模型分析来自传感器的数据来预测配置，并将其预测与同时收集的地面真实数据进行比较。在此过程中，模型“学会”将传感器的信号模式映射到现实世界的配置中。结果表明，在一定的稳定构型下，机器人的外形估计值与地面真实值吻合较好。

下一步，研究人员的目标是探索新的传感器设计，以提高灵敏度，并开发新的模型和深入学习的方法，以减少每一个新的软机器人所需的训练。他们还希望改进系统，更好地捕捉机器人的全部动态动作。

目前，神经网络和传感器皮肤对捕捉细微动作或动态动作不敏感。但是，就目前而言，这是基于学习的方法实现软机器人控制的重要的第一步。与呆板的机器人相比，人类不是精密的机器，我们做得很好。”