新的模拟方法让机器人准确感知物体属性

麻省理工学院，剑桥，马萨诸塞州

通过一种新的模拟方法，机器人只需拿起一个物体就可以猜测它的重量、柔软度和其他物理特性。 （图片来源：麻省理工学院新闻/iStock）

一个从阁楼里清理垃圾的人通常只需拿起盒子并摇晃一下就可以猜出盒子里的东西，而无需查看里面有什么。麻省理工学院、亚马逊机器人公司和不列颠哥伦比亚大学的研究人员已经教机器人做类似的事情。

他们开发了一种技术，使机器人能够仅使用内部传感器通过拿起并轻轻摇动物体来了解物体的重量、柔软度或内容物。通过他们的方法，不需要外部测量工具或相机，机器人可以在几秒钟内准确猜测物体的质量等参数。

这种低成本技术在摄像机效率较低的应用中特别有用，例如在黑暗的地下室中分类物体或清理地震后部分倒塌的建筑物内的瓦砾。

他们方法的关键是一个模拟过程，该过程结合了机器人和物体的模型，以便在机器人与物体交互时快速识别该物体的特征。

研究人员的技术在猜测物体质量方面与一些更复杂、更昂贵的计算机视觉方法一样出色。此外，他们的数据高效方法足够强大，可以处理许多类型的未见过的场景。

“这个想法很普遍，我相信我们只是触及了机器人通过这种方式学习的表面。我的梦想是让机器人走进这个世界，在它们的环境中触摸和移动物体，并找出它们自己交互的所有物体的属性，”麻省理工学院博士后、该技术论文的主要作者 Peter Yichen Chen 说。

研究小组的方法利用本体感觉，这是人类或机器人感知其在空间中的运动或位置的能力。例如，在健身房举起哑铃的人可以感觉到手腕和二头肌中哑铃的重量，即使他们手里拿着哑铃。同样，机器人可以通过手臂上的多个关节“感受到”物体的重量。

“人类无法超精确地测量我们手指的关节角度，也无法精确测量我们施加到物体上的扭矩大小，但机器人可以。我们利用这些能力，”合著者、麻省理工学院博士后 Chao Liu 说。

当机器人举起物体时，研究人员的系统从机器人的关节编码器收集信号，这些编码器是检测其关节在运动过程中的旋转位置和速度的传感器。

刘补充道，大多数机器人的电机内都有关节编码器，用于驱动其可移动部件。这使得他们的技术比某些方法更具成本效益，因为它不需要触觉传感器或视觉跟踪系统等额外组件。

为了估计机器人与物体交互过程中物体的属性，他们的系统依赖于两种模型：一种模拟机器人及其运动，另一种模拟物体的动力学。 “拥有现实世界的准确数字孪生对于我们方法的成功非常重要，”陈补充道。

他们的算法“观察”机器人和物体在物理交互过程中的移动，并使用关节编码器数据进行反向工作并识别物体的属性。例如，如果机器人施加相同的力，较重的物体会比轻的物体移动得慢。

他们利用一种称为可微分模拟的技术，该技术允许算法预测物体属性（如质量或柔软度）的微小变化对机器人最终关节位置的影响。研究人员使用 NVIDIA 的 Warp 库构建了模拟，这是一种支持可微分模拟的开源开发工具。

一旦可微分模拟与机器人的真实运动相匹配，系统就可以识别出正确的属性。该算法可以在几秒钟内完成这一任务，并且只需要查看机器人运动的一条真实世界轨迹即可执行计算。

“从技术上讲，只要你知道物体的模型以及机器人如何向该物体施加力，你应该能够找出你想要识别的参数，”刘说。研究人员使用他们的方法来了解物体的质量和柔软度，但他们的技术还可以确定容器内流体的惯性矩或粘度等属性。

另外，由于他们的算法不需要像某些依赖计算机视觉或外部传感器的方法那样需要大量数据集进行训练，因此在面对看不见的环境或新物体时，它不会那么容易失败。

未来，研究人员希望尝试将他们的方法与计算机视觉相结合，创造出更强大的多模态传感技术。

“这项工作并不是试图取代计算机视觉。这两种方法都有其优点和缺点。但在这里我们已经证明，即使没有相机，我们也可以弄清楚其中的一些特性，”陈说。

他们还希望探索更复杂的机器人系统（如软机器人）和更复杂的物体（包括晃动液体或沙子等颗粒介质）的应用。从长远来看，他们希望应用这项技术来提高机器人的学习能力，使未来的机器人能够快速发展新的操作技能并适应环境的变化。

如需了解更多信息，请联系 Melanie Grados：此电子邮件地址已受到垃圾邮件机器人保护。您需要启用 JavaScript 才能查看它。 617-253-1682。