近年来，机器人专家开发了越来越先进的机器人系统，其中许多系统具有假手或多指机器人手。为了在家庭和公共环境中完成日常任务，机器人应该能够使用“手”有效地抓取和操纵物体。
然而，到目前为止，在机器人中实现涉及多个手指的灵巧操作具有挑战性。这主要是因为这是一项高级技能，需要适应物体的形状、重量和配置。
Universit的研究人员盲t Hamburg最近介绍了一种新方法，用于教会机器人使用多指机械手抓取和操作物体。该方法在IEEE神经网络和学习系统交易中介绍，允许机器人手通过遥操作向人类学习，并根据人类手的姿势和与环境交互时收集的数据调整其操作策略。
“这项研究背后的最初想法是开发一个遥操作系统，可以将人类的手操作技能转移到多图形机器人手上，这样人类用户就可以教机器人手在线执行任务，”进行这项研究的研究人员之一，曾超博士告诉TechExplorer。“我们的工作有两个基本目标。首先，与其他最先进的方法不同，我们不想戴上带有光学标记的手套。”
曾和他的同事们希望他们的机器人通过观看人类的演示来获得灵巧的操作技能。然而，他们希望用户能够在没有任何身体限制的情况下自由移动手指，而不是像以前的其他研究那样，强迫正在训练机器人的人类用户戴上带有光学标记的手套。
取而代之的是，他们使用摄像机捕捉人类用户手部姿势的图像。这被证明是相当具有挑战性的，但他们最终能够取得有希望的结果。
曾解释说：“我们的第二个目标是使用机器人手实现与人类一样的顺应行为，以便能够以预期的灵活性处理身体接触丰富的交互任务。”。
在之前的研究中，研究人员发现，控制机器人抓取或抓取物体的力有助于获得更具顺应性的操作技能。这些技能在需要与物体进行物理交互的任务中尤其重要，例如切割、锯切或将物体插入物体中。
曾说：“在这项研究中，我们还想对机器人手进行力控制。”。“然而，直接训练深度神经网络（DNN）以在运行时为机器人生成所需的力控制命令是一项挑战。为了解决这个问题，我们采取了两步方法。”
曾和他的同事设计的方法的第一步是捕捉人类用户的姿势，并使用DNN将其映射到机器人的关节角度。他们的模型是根据模拟过程中收集的数据进行训练的。经过训练后，它可以有效地分析人类用户手的图像，并为机器人的手生成匹配的关节角度。
“作为第二步，我们设计了一种力控制策略，可以在给定当前参考角度的每个时间步预测所需的力命令，”曾说。“我们的方法的两个组件可以无缝集成到远程操作系统中，以提高机械手的顺应性，正如我们开始做的那样。”
研究人员在一系列测试中评估了他们的方法，包括在模拟和真实环境中使用阴影手，这是一种机器人系统，在大小和形状上都类似于人类的手。他们的结果非常有希望，因为他们的模型明显优于广泛使用的顺应式机器人操作方法，产生了更有效的操作策略。
“我们提出的系统可以用于机器人手遥操作仅依赖于视觉数据，它可以工作在模拟和现实世界的任务，”曾说。“我们的工作是一个有趣的尝试，将高级学习和低级控制集成到机器人操作中。虽然这种集成看起来很简单，但它确实可以提高机器人的顺应性操作能力。”
未来，该研究团队引入的新方法可能有助于提高现有和新开发的仿人机器人的操作技能。此外，它可能被证明是一种很有希望的策略，可以弥合深度学习和基于控制的方法之间的差距，融合两者的优势，以提高机器人的能力。
曾补充说：“我们目前的遥操作系统并不完善，还有几个方面需要改进。”。“例如，它在遥操作过程中缺乏沉浸感，虚拟现实/增强现实可能用于改善人类用户体验。在我们接下来的研究中，我们计划探索这些可能性，并训练一个更好的神经网络模型，该模型可以推广到不同大小的不同人手上。我们还考虑跟踪机器人手臂的可能性，以实现机器人手臂遥操作，从而实现顺应式人体假设。"
漏 2022年科学X网络