近年來，機器人專家一直在努力改進(jìn)機器人與現(xiàn)實世界中不同物體的交互方式。雖然他們的一些努力取得了可喜的成果，但大多數(shù)現(xiàn)有機器人系統(tǒng)的操作技能仍然落后于人類。

織物是被證明對機器人交互最具挑戰(zhàn)性的對象類型之一。造成這種情況的主要原因是布片和其他織物可以以不同的方式拉伸、移動和折疊，這會導(dǎo)致復(fù)雜的材料動力學(xué)和自閉塞。

卡內(nèi)基梅隆大學(xué)機器人研究所的研究人員最近提出了一種新的計算技術(shù)，可以讓機器人更好地理解和處理織物。這項技術(shù)在將在智能機器人和系統(tǒng)國際會議上發(fā)表并在arXiv上預(yù)發(fā)表的論文集中介紹，該技術(shù)基于使用觸覺傳感器和簡單的機器學(xué)習(xí)算法(稱為分類器)。

“我們對織物操縱感興趣，因為織物和可變形物體通常對機器人的操縱具有挑戰(zhàn)性，因為它們的可變形性意味著它們可以以多種不同的方式進(jìn)行配置，”進(jìn)行這項研究的研究人員之一丹尼爾·塞塔(DanielSeita)，告訴TechXplore。“當(dāng)我們開始這個項目時，我們知道最近在機器人操縱織物方面有很多工作，但其中大部分工作涉及操縱單塊織物。我們的論文解決了學(xué)習(xí)操縱織物的相對較少探索的方向。使用觸覺感應(yīng)的一堆織物。”

大多數(shù)現(xiàn)有的在機器人中實現(xiàn)織物操作的方法僅基于使用視覺傳感器，例如僅收集視覺數(shù)據(jù)的相機或成像器。雖然其中一些方法取得了良好的效果，但它們對視覺傳感器的依賴可能會限制它們對涉及操縱單塊布料的簡單任務(wù)的適用性。

另一方面，Seita及其同事SashankTirumala和ThomasWeng設(shè)計的新方法使用了由名為ReSkin的觸覺傳感器收集的數(shù)據(jù)，該傳感器可以推斷與材料紋理及其與環(huán)境相互作用相關(guān)的信息。使用這些觸覺數(shù)據(jù)，該團(tuán)隊訓(xùn)練了一個分類器來確定機器人抓取的織物層數(shù)。

“我們的觸覺數(shù)據(jù)來自去年CMU最近開發(fā)的ReSkin傳感器，”Weng解釋說。“我們使用這個分類器來調(diào)整夾子的高度，以便從一堆織物中抓住一個或兩個最頂層的織物層。”

為了評估他們的技術(shù)，該團(tuán)隊在真實環(huán)境中進(jìn)行了180次實驗試驗，使用由Franka機械臂、迷你Delta夾持器和Reskin傳感器(集成在夾持器的“手指”上)組成的機器人系統(tǒng)來抓取一堆或兩塊布。他們的方法取得了可喜的成果，優(yōu)于不考慮觸覺反饋的基線方法。

“與僅使用相機的先前方法相比，我們基于觸覺感應(yīng)的方法不受織物圖案、照明變化和其他視覺差異的影響，”Tirumala說。“我們很高興看到來自ReSkin傳感器等電磁設(shè)備的觸覺感應(yīng)可以為精細(xì)的操作任務(wù)提供足夠的信號，例如抓住一兩個織物層。我們相信這將推動未來對布料的觸覺感應(yīng)研究由機器人操縱。”

在未來，Tirumala、Weng、Seita和他們的同事希望這種操作方法可以幫助提高機器人的能力，這些機器人旨在部署在織物制造設(shè)施、洗衣服務(wù)或家庭中。具體來說，它可以提高這些機器人處理復(fù)雜紡織品、多塊布、衣物、毯子、衣服和其他基于織物的物體的能力。

“我們的計劃是繼續(xù)探索使用觸覺傳感來掌握任意數(shù)量的織物層，而不是我們在這項工作中關(guān)注的一兩層，”Weng補充道。“此外，我們正在研究結(jié)合視覺和觸覺傳感的多模式方法，以便我們可以利用這兩種傳感器模式的優(yōu)勢。”

標(biāo)簽：