机器学习辅助的电子皮肤能够在软体机器人中实现本体感知和外体感知
2023/2/23 10:46:20 阅读:218 发布者:
研究背景
软体机器人由于其固有的柔软性,被广泛研究为弥合机器和生物体之间差距的有前途的候选者。软体机器人通常配备各种传感器,可以提供来自周围环境的目标信息,以实现其有效的性能。作为一个可以容纳多模态传感器甚至是传感器阵列的综合平台,电子皮肤技术为进一步增强软体机器人的能力提出了一个很好的策略。然而,目前电子皮肤方面的进展主要涉及感知外部刺激(外部感知),只有少数研究关注软体机器人形状的实时监测(本体感知)。身体顺应性和形状适应性使软体机器人能够在狭窄的空间内执行独特的功能,顺应性互动,在粗糙的地形上行走运送。在实际应用中,这些软体机器人仍然需要能感知外部刺激的额外传感器。因此,一种能够重建形状并同时对周围环境做出反应的电子皮肤,对于简化结构的软体机器人功能的多样化是非常理想的。
除了电子皮肤之外,机器学习 (ML) 技术的进步也为开发更先进的软体机器人提供了丰富的机会。电子皮肤和 ML 技术的结合使软体机器人能够以更智能的方式完成特定的任务,其结果往往超出我们的预期。ML在利用数据集方面的突出表现适合于分析传感信号,特别是在传感器阵列中,其特点是在一小段时间内产生大量数据。即使是经常被人类忽视的信号中的微小差异,也能被 ML 精确地分辨出来。因此,机器学习和形状感应电子皮肤的结合有望实现具有高级人工智能的软体机器人的发展,最终形成能够与生物体能力相媲美的人工系统。
研究成果
受自然生物系统的启发,软体机器人最近被开发出来,由于其固有的柔软性和可变形性,在现实世界中显示出巨大的应用潜力。电子皮肤和机器学习的融合被广泛研究,以创造有效的它仿生物机器人系统。基于差分压电矩阵,本研究提出了一种形状感应电子皮肤 (SSES),可以识别表面构象,并将按压、拉伸或其他周围刺激的干扰降到最低。然后,它与软体机器人集成,在运动过程中重建它们的形状,作为一种本体感觉。此外,该机器人可以利用机器学习来识别各种地形,展示外感,并指向更先进的自主机器人,能够在具有挑战性的环境中执行真实世界的任务。相关研究以“Machine-learning assisted electronic skins capable of proprioception and exteroception in soft robotics”为题发表在Advanced Materials期刊上。中科院北京纳米能源与系统研究所王中林院士及唐伟研究员为文章的通讯作者。
研究亮点
1. 提出了一种基于差分压电矩阵的形状感应电子皮肤(SSES),它可以通过整合机器学习技术来武装具有本体感知和外在感知能力的软体机器人。
2. 建立了动态模型,可以进一步推导出用于调制和校准的爬行距离、姿态和速度,实现外体感知。
图文导读
Figure 1. Configuration and characterization of SSES.
Figure 2. SSES fabrication and shape reconstruction.
Figure 3. Dynamic moving behavior analysis of a soft robot crawling on various terrain surfaces.
Figure 4. Environment awareness of SSES-integrated soft crawling robot.
总结与展望
开发了一种形状感应电子皮肤 (SSES),用于感知软体机器人在运行中的动态状态。其极限分辨率为0.0025°,由于采用了具有共面镜夹层结构的差分压电矩阵,外部干扰被降到了最低。本研究提出了关于 SSES 测量数据的两个处理原则。具体来说,作者首先开发了一个通用策略,根据SSES获得的数据重建软体机器人的表面构象,从而实现软体机器人的本体感知能力。此外,引入了机器学习 (ML) 技术来分析SSES 生成的数据,以识别不同的地形、负载重量和障碍物,从而赋予软体机器人以外在感知能力和初级智能。SSES 及其与ML技术的整合为软体机器人有效地获取自身状态并以复杂的方式与环境互动奠定了基础。期望这种模式能够激发更多的创新,使软体机器人能够迅速地应对现实世界应用中的挑战。
文献链接
Machine-learning assisted electronic skins capable of proprioception and exteroception in soft robotics
DOI: 10.1002/adma.202211385.
转自:“i学术i科研”微信公众号
如有侵权,请联系本站删除!