Credit: Liu等人为了在高动态任务中表现出色，机器人应该能够快速移动并具有高度的反应能力。由于机器人通常有物理限制和硬件限制，计算机科学家还应该开发规划者和轨迹优化技术，使它们能够快速移动。机器人可以完成的高度动态任务的一个例子是玩空气曲棍球，在这种游戏中，玩家试图将一个塑料圆盘推到对手的球门上，越过一张专门设计的桌子。虽然过去有几位机器人学家尝试训练机器人打冰球，但只有少数人尝试使用传统的通用机器人来实现高度动态的行为。
达姆施塔特技术大学、华为R&D公司和伦敦大学学院(UCL)的研究人员最近开发了一种轨迹优化技术，可以在高速机器人冰球中使用通用机器人机械手。这项政策发表在arXiv上的一篇论文中，它允许传统的机器人手臂快速移动，并有效地在冰球桌上击球。
“我们的长期目标是为复杂、动态、受限的任务设计一个智能机器人，”开展这项研究的研究人员之一刘普泽告诉TechXplore。“在本文中，我们主要研究的问题是:“如何才能将当前工业机器人的性能推向极限？“机器人空气曲棍球非常适合这个问题，因为它需要在高度受限的环境中快速而精确地移动。”
Credit: Liu等训练机器人打空气曲棍球的关键挑战在于，机器人关节位置限制通常不会将快速击球动作赋予机器人操作者。一个可能的解决方案是利用机器人冗余，将最慢的机器人关节的工作量分配给最快的机器人关节。
“简单地说，我们可以把机械手看作是一个人的手臂，我们的方法优化了手肘的位置来执行快速击球动作，”刘解释道。“与以前使用冗余来增加机器人工作空间或顺应意外接触的方法不同，我们利用冗余来提高末端执行器的速度。”
刘和他的同事开发的轨迹优化方法基于简单的约束优化问题，该问题易于求解，因此可以有效地应用于真实的机器人。此外，这项技术可以快速执行计算，这意味着它有助于让机器人在处理动态任务时更具反应性，比如打冰球。
Credit: Liu等“我们还发现，利用贝叶斯优化，可以黑盒方式识别系统参数，”Liu说。"这种方法不需要专家知识或微分模拟器."
研究人员在KUKA机器人公司开发的两个KUKA LBR IIWA通用机器人系统的冰球模拟中评估了他们的轨迹优化技术。他们的发现非常有希望，因为他们的技术允许机器人系统在中型空气曲棍球台上有效地相互对抗。
Credit: Liu等“我们发现目前的机器人操作器性能仍有提升空间，”Liu说。“我们认为现有的机器人可以解决像空气曲棍球这样的复杂任务。我们未来工作的计划是在真正的机器人上实现完整的系统。未来，我们将尝试借助机器学习技术来击败我们的‘机器人专业技术’。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
