来源:2020-12-14 00:00:00 热度:

人机协作新突破!日本公司OMRON SINIC X研发机器手臂扯铃

AI中国网 https://www.cnaiplus.com

早在中国清明时期,扯铃运动已经盛行。网络流传不少扯铃入门的影片,很多人都表示扯铃是一门技术,并没有想象中的容易。2020年末尾到了,科技发展得如此飞快,那么机器人会扯铃吗?还真的会!

如下图所示:两条机器手臂正在扯铃。

甚至,人机还能双打配合,一起炫技。

这脑洞来自来源于日本东京的公司OMRON SINIC X。OMRON SINIC X 总部位于日本京都,是知名自动化控制及电子设备制造厂商欧姆龙集团成立的子公司。该公司致力于机器人技术、电脑视觉、机器学习和人机互动等领域的尖端研究。

研究人员表示,这次研发的机器人扯铃的目标在于推动机器人精细控制和人机协作。对机器人来说,扯铃可说是挑战递增、激励不断的绝佳学习过程,可惜类似模型目前还未设计出来。如果用真正机器手臂训练,成本会很高,且这类高加速度任务(扯铃主要靠惯性)的确有一定危险性。基于上述想法,研究人员做出一个扯铃模型(diabolo model),故机器人也能扯铃了。那么这一切是如何构建的?

首先人员推导出扯铃─绳子系统的分析模型。扯铃核心在于绳子,要模拟绳子并不容易,原因在于摩擦力取决于许多困难甚至不可能测量出来的参数,且扯铃本身和绳子的交互作用也十分灵活非线性。因此模型简化扯铃原本的复杂动作,用一个椭圆表示绳子轨迹,用以计算力与运动。

研究人员假设扯铃不同的几种状态,如:

●绳子紧绷状态:扯铃在椭圆内运动。

●绳子松弛状态:扯铃的中间部分安全地卡在绳子上。

●扯铃飞行状态:扯铃在椭圆以外运动。

为确保模型准确性,研究人员透过记录人们花式扯铃的过程,形成一个资料库,将资料库和模型比对。结果表明,不论精确度还是物理一致性,模型的表现都超过基于深度学习的预测器。

人员描述基于最优控制的方法「基于模型的预测控制」(Model-based Predictive Control,MPC)。以扯铃速度和位置输入,透过最佳化棒子之一的运动轨迹,预测两根棒子顶端的运动轨迹,生成机器人扯铃轨迹,让机器人解锁更多花式玩法。

具体到下图:

●黄色线条代表预测的扯铃轨迹

●绿色线条代表目标状态

●白色线条代表下一次轨迹出现前的预测

●红色、蓝色线条代表两根小棒顶端的轨迹

透明红色区域代表实际3D 情境形成的椭球体轨迹。

最后,研究人员在真实机器人系统测试,做到人机扯铃。研究人员表示,希望这项研究能对机器人技术有推动作用,激励机器人学习出现更多想法。MRON SINIC X 还表示准备发表仿真模型、资料库和控制算法,当作独立模组和Gazebo工具供大家学习,感兴趣的读者可持续关注。

关注风火轮,技术之路常相伴,我们下期见!

AI中国网 https://www.cnaiplus.com

本文网址:

欢迎关注微信公众号:人工智能报;合作及投稿请联系:editor@cnaiplus.com

AI中国号...

关注微信公众号,了解最新精彩内容