无论是抓握、保持、转动、触摸、打字还是按压 — 在日常生活中我们都会用双手完成各种各样的任务,无需反复思考。然而,人类的手是自然界最神奇的工具之一。所以,有什么比在协作空间中为机器人配备受这种自然原型启发的爪手更自然的呢?那么,机器人可以通过人工智能学习解决各种抓握和转动任务吗?
强化学习范式是一种基于奖励的学习算法,与 BionicSoftHand 配合使用。这意味着,无需定义机器人必须模仿的特定动作,而只需给手一个目标。然后尝试通过反复试验来实现这一目标。根据收到的反馈(包括肯定和否定),它会逐步优化其操作,直到最终成功完成任务。
具体来说,BionicSoftHand 的任务是旋转十二面的立方体,以使先前定义的侧面指向端部。使用数字孪生体体在虚拟环境中学习必要的运动策略,该数字孪生体体是用深度摄像头和人工智能算法提供的数据创建。
数字仿真模型可以极大地加速学习,尤其在您复制这个模型时。通过大规模并行学习,所获得的知识将与所有虚拟手共享,然后虚拟手将继续使用新的知识 — 这意味着每个错误只会发生一次。成功的工作可立即用于所有模型。
在仿真中对控制器进行训练后,会将其传输到实际的 BionicSoftHand。使用在虚拟环境中获取的移动策略,可以将多面体转到指定侧,并在将来相应地移动其他物体。因此,可以将已学习的知识和新技能的基本构成要素与其他机械手共享,并在全局范围内使用。
与人的手不同,BionicSoftHand 没有任何骨骼。它通过手指中的气动波纹管结构控制运动。当气室充满空气时,手指弯曲。如果气室是空的,则手指保持笔直。拇指和食指还配备了一个旋转模块,使这两个手指也可以横向移动。因而仿生机器人的手共有十二个自由度。
手指中的波纹管被包裹在特殊的 3D 织物护套中,该护套由弹性和高强度线编织而成。因此,织物可用于精确地确定结构在何处展开并产生力,以及在何处阻止其展开。
为了尽可能减少 BionicSoftHand 所需的管路数量,开发人员设计了一个小型的数字控制阀组,直接安装在手的下方。这意味着用于控制手指的气管不必穿过整个机械臂。由此,BionicSoftHand 可以通过一个供气和排气的气动管快速轻松地连接并投入使用。所使用的比例压电阀可以精确控制手指的运动。
采用灵活的气动运动学以及弹性材料和轻质部件,使 BionicSoftHand 在电动或绳索操作的机械手产品比较中更为突出,并可降低成本。由于其模块化设计,也可以使用带有三个或四个手指的抓手模型。
结合轻型气动机器人(例如 BionicCobot 或 BionicSoftArm),该机械手可用于安全、直接的人机协作。两种机器人都设计可屈服,并且不必像传统工厂机器人那样与工人隔离。
这使 BionicSoftHand 成为未来工厂协作工作区中应用的理想选择。由于柔性机械手可以牢固有力地抓握,因此它在组装时作为辅助第三只手的用途,其在服务机器人中的用途一样可期。