所提出的仿生控制策略的示意图。黄色块表示任务再现前完成的轨迹学习部分；蓝色块表示处理来自环境的相互作用力所需的前馈力和阻抗的在线自适应。功劳:曾等在过去的几十年里，机器人学家创造了越来越先进和复杂的机器人系统。虽然其中一些系统非常高效，并取得了显著的效果，但它们在几项任务上的表现仍远不如人类，包括那些涉及抓取和操纵物体的任务。来自广东工业大学、意大利米兰理工大学大学、苏塞克斯大学和英国西部大学布里斯托机器人实验室(BRL)的研究人员最近开发了一种有助于改善机器人操作的模型。这一模型发表在《工业信息学IEEE交易》上的一篇论文中，从人类如何根据他们试图完成的任务调整他们的操纵策略中获得了灵感。
“人类有非凡的能力来处理身体接触，并完成动态任务，如弯曲，切割和组装，最佳和合规，”陈光杨教授，该论文的对应作者在BRL工作，告诉TechXplore。“虽然这些任务对人类来说很容易，但对机器人来说，即使是高级机器人，执行起来也相当具有挑战性。”
根据杨教授和他的同事的说法，许多机器人难以完成操作任务的原因之一是它们缺乏一种人类与生俱来的技能，称为适应性顺从。这项技能允许人类根据与他们试图操纵的物体的相互作用力来调整他们的动作和操纵策略。
为了在机器人中复制这种能力，研究人员从神经科学研究中获得了灵感，尤其是那些与人类运动控制相关的研究。与过去开发的其他方法相比，他们的模型对特定任务的参数化运动轨迹进行编码，这些轨迹与包括阻抗和前馈力分布信息的动态轨迹相关联。
人类用户教机器人执行插入任务。杨教授说:“我们的工作主要集中在如何让机器人从人类身上学习合规的操作技能上。“我们研究的核心目标是开发学习和控制方法，使机器人能够以合规的方式处理物理交互和接触丰富的任务。”
该方法从一个控制仿生模型中获得灵感，该模型描述了人类如何学习自适应地控制肌肉运动来完成操纵任务。因此，新模型允许机器人在执行运动轨迹时，同时获取关于阻抗和力的信息，这些运动轨迹是通过人类演示他们正在学习完成的任务而获得的。
杨教授说:“由于人类的运动控制机制，我们的方法使机器人能够在执行任务的过程中动态地调整它们的顺应性。“总的来说，我们的工作表明，仿生学习控制可能是一个有希望的解决方案，让机器人从人类那里学习操纵技能。”
未来，该模型可以帮助提高现有和新开发的机器人的操作技能，促进它们在各种现实环境中的集成。例如，它可以让机器人更好地完成涉及力交互的工业任务，如切割、钻孔和抛光。
“未来，我们将尝试以多种方式改进我们的方法，例如，通过使用优化技术(如强化学习)优化适应概况；并利用更多的模式，使其成为一个多模式的学习和控制框架，”杨教授补充说。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
