革命性的机器人控制软件消除了关节干扰问题

瑞士研究人员开发了运动智能框架,使机器人能够在模型之间无缝切换,从而改变机械臂的训练和部署。
在当今的数字生态系统中,升级到新智能手机的过程变得非常简单。用户只需登录现有账户,通过云端同步,所有应用程序、个性化设置和联系信息无缝转移到新设备,无需手动重新配置。然而,机器人行业在设备升级方面长期以来面临着截然不同的现实。当工业设施或研究机构需要用更新的型号替换老化的机械臂时,技术人员面临着从头开始整个编程和配置过程的艰巨前景。
瑞士著名学府洛桑联邦理工学院 (EPFL) 的科学家们进行的突破性研究现已解决了机器人系统管理效率低下的问题。研究团队推出了一种名为运动智能的创新解决方案,这是一个复杂的框架,旨在从根本上改变机器人在不同硬件平台之间转换的方式。通过模仿消费电子产品中的无缝切换功能,他们的系统有望大幅减少与机器人设备更换相关的停机时间和运营成本。他们的综合研究结果发表在最近一篇备受尊敬的科学机器人论文中,引起了人们对这项技术进步的极大关注。
这一发展的影响远远超出了简单的便利性,代表了机器人编程和部署策略在众多行业中发挥作用的范式转变。制造设施、研究实验室和其他依赖复杂机器人系统的组织将受益于在不同机器人模型之间转移训练有素的技能和操作协议而无需进行大量重新编程的能力。
多年来,机器人社区一直在追求一个雄心勃勃的目标:使机器人能够直接从人类演示中学习新功能,而不需要大量的手动编码。这种学习方法被称为“从演示中学习”,代表了一种更直观的机器人训练方法。工程师无需通过传统的编码语言对每个动作和决策进行编程,而是可以远程控制机器人或物理引导其手臂完成所需的动作,教它完成诸如仔细擦拭表面、精确堆叠物体或在汽车部件上执行复杂焊接操作等任务。
这种实践教学方法比传统的编程方法具有显着的优势,特别是对于难以用算法描述的复杂、细致的任务。人类培训师可以演示精细组装工作所需的微妙手部动作和力量应用,而机器人可以通过观察和练习来学习复制这些动作。这种方法的优雅之处在于它的可访问性——没有深厚编程专业知识的工厂工人和技术人员可以训练机器人执行新任务,从而在各种规模的组织中实现机器人能力开发的民主化。
然而,尽管从演示中学习具有理论前景和实际好处,但这项技术始终存在一个令人沮丧的局限性。机器人通过演示获得的技能历来都锁定在训练期间使用的特定硬件平台。如果一个设施升级到具有不同尺寸、关节范围或机械性能的更新的机械臂模型,那么之前教授的所有技能基本上都变得毫无用处。
这种硬件依赖性导致整个机器人行业的经济和运营效率显着低下。投资于机器人培训协议和技能开发的公司面临着一个严峻的现实:一旦设备升级,这些投资就会变得过时。此外,任务执行期间的关节干扰问题提出了另一个挑战,该挑战在不同的机器人模型之间存在显着差异,需要为每个平台提供单独的解决方案。
洛桑联邦理工学院的研究人员认识到这些基本限制,并开发了运动智能作为解决问题多个维度的综合解决方案。该框架通过在学习的技能和任何给定机器人的特定硬件特性之间创建一个抽象层来发挥作用。运动智能不是将技能直接编码为机器人的特定物理配置,而是将学习到的行为转换为更通用的格式,可以适应不同的机器人平台。
这项创新从根本上改变了机器人系统管理的经济性和实用性。新框架不再将每个机器人升级本质上视为需要全面重新培训的完全重启,而是允许组织将以前学到的功能转移到新硬件上,只需进行最小的调整。该方法保留了在技能开发和培训方面的大量投资,使机器人系统升级对于工业和研究应用来说更加实用且更具成本效益。
运动智能的技术复杂性延伸到解决防止关节干扰的具体挑战,这是影响机器人性能和可靠性的关键问题。不同的机器人模型在其操作范围内的不同点具有不同的机械约束、工作范围和易受干扰的能力。通过开发理解和适应这些机械差异的算法,该框架可以在不同的硬件平台上实现更顺畅的操作,同时积极防止可能损坏设备或中断生产的联合冲突。
这项研究代表了一个重要的里程碑,使机器人系统更加实用且经济可行,以供广泛的工业采用。随着制造业和其他行业越来越认识到机器人自动化带来的生产力提升和竞争优势,减少与系统升级相关的摩擦的解决方案变得越来越有价值。组织现在可以更加自信地投资机器人培训项目,因为他们知道,即使硬件平台不断发展,他们的投资也将保持价值。
展望未来,运动智能框架为机器人系统管理和互操作性方面的更多创新开辟了途径。从特定硬件平台成功提取机器人技能可以促进不同组织和研究机构之间的知识共享。机器人技能库可以在各个行业中开发和共享,从而使公司能够从其他地方进行的培训工作中受益,而不是在内部重复这些工作。
洛桑联邦理工学院团队的工作证明了解决看似特定的技术挑战如何能够对工业采用和经济效率产生更广泛的影响。通过使机器人系统的行为更像消费电子产品(升级到新硬件并不会消除以前积累的功能),它们消除了更广泛的机器人自动化的实际障碍之一。随着这项技术的成熟并在整个行业中传播,大大小小的组织应该会发现部署机器人解决方案越来越实用,并相信无论未来的硬件如何变化,他们对机器人培训和技能开发的投资都将带来长期价值。
机器人控制软件和系统可移植性方面的这一突破代表着在使工业机器人对于更广泛的应用和组织来说更容易获得、更经济、更实用方面向前迈出了重要的一步。这项研究的影响远远超出了实验室范围,有望重塑公司在未来几年进行机器人投资和设备生命周期管理的方式。
来源: Ars Technica


