研究团队利用 C++ 和 Python 开发的机器学习算法系统,设计了一只由四个肌腱驱动的“派大星”,四个脚尖到其背部的电机分别有一根线缆。

本文转自雷锋网,如需转载请至雷锋网官网申请授权。

水下机器人,长什么样?

2016 年,两名斯坦福大学 AI 实验室学生在对大疆无人机研究了一番后,设计了一款名为 SeaDrone 的机器人,随后还将其一步步变成了现实的水下监控产品,并成立了自己的公司 O-Robotix。

MIT 水下机器人新作!用机器学习 18 小时造“派大星”,Daniela Rus 为共同作者  机器人 人工智能 系统 第1张

同年 10 月 21 日的世界机器人大会主论坛上,斯坦福大学 Oussama Khatib 教授在演讲中介绍了一款海底“阿凡达”,人类不仅可以操控它,还可以通过它身上搭载的众多传感器来“感受”海底世界。

MIT 水下机器人新作!用机器学习 18 小时造“派大星”,Daniela Rus 为共同作者  机器人 人工智能 系统 第2张

2021 年 1 月,来自哈佛大学约翰·保尔森工程和应用科学学院、韦斯生物启发工程研究所的一组科学家设计了一群大眼萌机器鱼,研究成果登上知名学术期刊 Science Robotics 封面。

MIT 水下机器人新作!用机器学习 18 小时造“派大星”,Daniela Rus 为共同作者  机器人 人工智能 系统 第3张

可见,水下机器人逐渐呈现出仿生趋势。想象一下,在“鱼的世界”里,混进一条机器鱼要比一台庞大的机器更为合理自然,更符合仿生学原理。

而 MIT 计算机科学和人工智能实验室(CSAIL)提出的想法是,制造一款类海洋生物机器人,其外形不仅可以是鱼,还可以是海星!

MIT 水下机器人新作!用机器学习 18 小时造“派大星”,Daniela Rus 为共同作者  机器人 人工智能 系统 第4张

嗯没错,「派大星 MIT 分星」来了!

MIT 水下机器人新作!用机器学习 18 小时造“派大星”,Daniela Rus 为共同作者  机器人 人工智能 系统 第5张

如何用 18 小时造出一个“派大星”?

2021 年 3 月 31 日,相关研究成果发表于IEEE RA-L 期刊,题为 Underwater Soft Robot Modeling and Control With Differentiable Simulation(基于可差分模拟的水下机器人建模与控制)。

MIT 水下机器人新作!用机器学习 18 小时造“派大星”,Daniela Rus 为共同作者  机器人 人工智能 系统 第6张

随着水下机器人技术不断推进,包括海底探索、样品采集、海洋生物观察在内的多项任务如今都能更顺利地实现,学界也已经为此类机器人的开发尝试了多种方案,但由于软体系统具有高自由度,计算起来并不容易,对水下软体机器人进行建模、控制其实是一个较为棘手的问题。

论文介绍:

要对水下软体机器人进行建模,不仅要顺应机器人的形变,还要考虑到机器人与水环境之间复杂的固体-流体耦合。软体机器人的复杂动力学及其与水环境的相互作用通常会导致模拟和实际实验之间存在巨大的差距。

因此,只有缩小机器人在模拟时和实际操作中的差距,未来机器人控制器和设计才能越来越可靠地转移到现实世界中。

如下图所示,研究团队的策略是,将一个可差分模拟器嵌入到一个在模拟和真实实验之间交替的管道中。给定的控制输入(左)是机器人捕获到的真实世界的运动数据。这些数据被传送到可差分模拟器,在那里系统识别缩小了现实(右下角的四个绿色球体)和模拟(右下角的四个蓝色球体)之间的差距,之后通过轨迹优化生成新的控制序列。

这一方法被称为 Real2Sim,经过这样的迭代转移,研究团队实现了轨迹优化、差距缩小。

MIT 水下机器人新作!用机器学习 18 小时造“派大星”,Daniela Rus 为共同作者  机器人 人工智能 系统 第7张

研究团队表示:

将可差分模拟与可差分的分析流体力学模型相结合,可以改进软体机器人的建模和优化。

既然有了方法,那就设计一款机器人试试。

研究团队利用 C++ 和 Python 开发的机器学习算法系统,设计了一只由四个肌腱驱动的“派大星”,四个脚尖到其背部的电机分别有一根线缆。

他们选用的材料是硅胶泡沫,既富有弹性又足够柔软,可以保证机器人在狭窄空间中移动。

MIT 水下机器人新作!用机器学习 18 小时造“派大星”,Daniela Rus 为共同作者  机器人 人工智能 系统 第8张

随后,“派大星”被放进一个水箱进行测试,为记录实际情况,水箱外放置了一个高速相机。

MIT 水下机器人新作!用机器学习 18 小时造“派大星”,Daniela Rus 为共同作者  机器人 人工智能 系统 第9张

【左侧无水,右侧有水】

实际上,从设计到通过 Real2Sim 方法对其优化,整个过程只需 18 小时。可见,该团队的可拆分模拟迭代在很大程度上减少了机器人开发的时间成本。

关于作者

如上文所述,这一设计来自于MIT CSAIL。

雷锋网(公众号:雷锋网)注意到,一位名为Tao Du 的团队成员是该论文共同一作,此次主导了“派大星”的软硬件开发。Tao Du 本科毕业于清华大学软件学院,随后在斯坦福大学计算机读硕士,目前 MIT 博士在读,研究方向是计算机图形学、机器人学和机器学习,关注复杂物理系统中具有挑战性的设计和控制问题。

MIT 水下机器人新作!用机器学习 18 小时造“派大星”,Daniela Rus 为共同作者  机器人 人工智能 系统 第10张

另外,雷锋网在作者名单中看到了另一个名字——Daniela Rus。

Daniela Rus 是 MIT CSAIL 主任、AndrewandErnaViterbi 电气工程和计算机科学教授、IEEE Fellow、AAAI Fellow、美国国家工程院院士,曾于康奈尔大学获得计算机科学博士学位,主要研究领域涵盖机器人、移动计算和数据科学。

MIT 水下机器人新作!用机器学习 18 小时造“派大星”,Daniela Rus 为共同作者  机器人 人工智能 系统 第11张

今年 3 月,福布斯 AI 专栏作家、创业投资公司 Highland Capital Partners 风投专家Rob Toews 曾撰文列举出了 8 位具有代表性的 AI 领域女性领袖,Daniela Rus 榜上有名。

实际上在 CCF-GAIR 2016 的机器人专场上,Daniela Rus 曾登台作报告演说,讲述了世界机器人领域十二大前沿技术趋势。雷锋网对其观点的整理归纳见:

【1】https://www.leiphone.com/category/industrynews/C4ykyc9U9TL8lkDk.html

【2】https://www.leiphone.com/category/industrynews/gOB6fU47x1GaFTru.html

转载请说明出处
知优网 » MIT 水下机器人新作!用机器学习 18 小时造“派大星”,Daniela Rus 为共同作者

发表评论

您需要后才能发表评论