基于学习的新方法训练机器人可靠地拾取和放置物体

Josiah02

　　迄今为止开发的大多数机器人系统要么可以高精度地处理特定任务，要么可以低精度地完成一系列较简单的任务。例如，一些工业机器人可以很好地完成特定的制造任务，但无法轻松适应新任务。另一方面，设计用于处理各种物体的灵活机器人通常缺乏在实际环境中部署所需的精度。
　　精度和通用性之间的这种权衡迄今为止阻碍了通用机器人（即能够很好地协助人类用户完成许多不同任务的机器人）的大规模部署。解决各种现实问题所需的一项能力是“精确拾取和放置”，这涉及精确地定位、拾取和放置物体在特定位置。
　　麻省理工学院 (MIT) 的研究人员最近推出了 SimPLE（模拟拾取定位和放置），这是一种基于学习的新型视觉触觉方法，可以让机器人系统拾取和放置各种物体。《科学机器人》杂志介绍了这种方法，它使用模拟来学习如何拾取、重新抓取和放置不同的物体，只需要对这些物体进行计算机辅助设计。
　　“在机器人操控领域工作的几年中，我们与行业合作伙伴密切互动，”该论文的第一作者 Maria Bauza 和 Antonia Bronars 告诉 Tech Xplore。“事实证明，自动化领域现有的挑战之一是精确拾取和放置物体。这个问题很有挑战性，因为它需要机器人将非结构化的物体排列转换为有组织的排列，以便于进一步操控。”
　　机器人操控五个物体。
　　各种工业机器人已经能够拾取、抓取和放下不同的物体。然而，这些方法大多只适用于一小部分广泛使用的物体，如盒子、杯子或碗，并不强调精确度。
　　Bauza、Bronars 及其同事着手开发一种新方法，让机器人能够仅依靠模拟数据精确拾取和放置任何物体。这与许多以前的通过现实世界中的机器人与不同物体的交互进行学习的方法不同。
　　“SimPLE 依赖于三个主要组件，它们都是在模拟中开发的，”Bauza 和 Bronars 说道。“首先，任务感知抓取模块会选择一个稳定、可观察且易于放置的物体。然后，视觉触觉感知模块会融合视觉和触觉，以高精度定位物体。最后，规划模块会计算到达目标位置的最佳路径，如果需要，其中可以包括将物体交给另一只手臂。”
　　SimPLE 方法和结果概述。视频重点介绍了 SimPLE 的主要优势，逐步展示了该方法，并演示了每个对象的成功放置。它还展示了连续放置的示例和代表性失败案例。图片来源：Maria Bauza
　　SimPLE 方法的三个模块最终使机器人系统能够计算出稳健而高效的计划，以高精度操纵各种物体。其最显著的优势是机器人不需要事先与现实世界中的物体进行交互，这大大加快了它们的学习过程。
　　“我们的工作提出了一种精确拾取和放置的方法，这种方法无需昂贵的真实机器人经验即可实现通用性，”Bauza 和 Bronars 说道。“它通过利用模拟和已知的物体形状来实现这一点。”
　　研究人员在一系列实验中测试了他们提出的方法。他们发现，该方法可以让机器人系统成功拾取和放置 15 种形状和大小各异的物体，同时在机器人物体操控方面也优于基准技术。
　　SimPLE 提供了一种能够精确拾取和放置物体的方法，完全是在模拟中学习的。它由三个模型组成：任务感知抓取、视觉触觉感知和运动规划。我们展示了模型向真实系统进行高保真传输的过程，图中底部显示了 15 个物体。
　　值得注意的是，这项研究是首批结合视觉和触觉信息来训练机器人完成复杂操作任务的研究之一。该团队的成果令人鼓舞，可能很快就会鼓励其他研究人员开发类似的模拟学习方法。
　　“这项研究的实际意义十分广泛，”Bauza 和 Bronars 说道。“SimPLE 非常适合自动化已经成为标准的行业，例如汽车行业，但也可以在许多半结构化环境中实现自动化，例如中型工厂、医院、医学实验室等自动化不太常见的行业。”
　　半结构化环境是指总体布局或结构不会发生很大变化的环境，但在放置物体的位置或特定时间需要执行的任务方面也可以灵活调整。SimPLE 非常适合让机器人在这些环境中完成任务，而无需进行大量的现实世界训练。
　　“在这些情况下，能够将一组非结构化的对象放入结构化的排列中，可以促进任何下游任务的完成，”Bauza 和 Bronars 解释道。“例如，医学实验室中的拾取和放置任务的一个例子是从盒子中取出新的测试管，并将它们精确地放置在架子上。将试管排列好后，它们可以放在一台专门用于测试其内容的机器中，或者用于其他科学目的。”
　　该研究团队开发的这一前景光明的方法很快就能在更广泛的模拟数据和更多物体的模型上进行训练，以进一步验证其性能和通用性。与此同时，Bauza、Bronars 及其同事正在努力提高他们提出的系统的灵活性和稳健性。
　　Bauza 和 Bronars 补充道：“未来研究的两个方向包括增强机器人的灵活性以解决更复杂的任务，并提供闭环解决方案，而不是计算计划，而是计算策略以根据传感器的观察不断调整其动作。”
　　“我们在TEXterity方面取得了进展，它在任务执行过程中利用了连续的触觉信息，我们计划在正在进行的研究中继续推动高精度操作的灵活性和稳健性。”