新的通用学习框架解决了软机器人控制问题

科技日报南京2月14日电（记者金峰）软体机器人具有灵活性高、环境适应性强等特点，在医疗保健、人机交互等领域具有广阔的应用前景。但其连续变形的特性使其难以在复杂多变的环境中稳定运行。 14日，记者从东南大学获悉，该校与新加坡国立大学、美国麻省理工学院等团队合作，模拟大脑神经元的结构和突触的可塑性，提出了通用的软体机器人学习与控制框架，并实现了较高的控制精度。相关成果近日发表在国际期刊《Science Advances》上。 “人脑中的神经元依靠突触来连接和传输信息。这启发我们模拟突触的结构和塑料论文第一作者、通讯共同作者、东南大学机械工程系副教授唐志强表示，团队提出了一种通用的学习与控制框架，由两类功能模块组成。唐志强解释说，第一类模块利用摄像头捕捉不同软体机器人在完成不同任务时的共同特征，从而学习机器人位移、轮廓、扭曲等变化的共同控制规则。第二类模块基于元学习梯度算法，自主学习机器人的位移、轮廓、扭曲等变化的共同控制规则。通过机器人执行不同任务的信息调整机械臂的控制指令。软机器人并进行了包括轨迹跟踪、物体操纵和形状控制的技术验证。“实验结果表明，该控制框架可以保持较高的控制精度。“即使在负载连续变化、环境扰动、部分执行器失效等复杂条件下，也能保持稳定。”唐志强表示，应用该框架，机械臂控制绝对精度高，位置控制误差在5毫米以内，变形控制精度大于92%。目前的控制方法是基于高斯过程的，相比之下，位置控制误差可降低44%~55%。与基于图像的逆运动学方法相比，变形控制误差可降低33%~68%。
（编辑：韩璐）