新型双臂机器人通过模拟学习实现双手任务

一种创新的双手操作机器人利用人工智能为其动作提供信息，显示出接近人类水平的触觉灵敏度。

新的双触摸系统由布里斯托尔大学的科学家设计，总部位于布里斯托尔机器人实验室，它允许机器人通过感知数字助手的操作来执行手动任务。

这项研究结果发表在《IEEE机器人与自动化快报》上，展示了人工智能主体如何通过触觉和本体感觉反馈来解释其环境，然后控制机器人的行为，从而实现精确的感知、温和的交互和有效的物体操纵，以完成机器人任务。

这一发展可能会彻底改变水果采摘、家政服务等行业，并最终在假肢中重新创造触觉。

来自工程学院的首席作者Yijiong Lin解释道：“使用我们的Bi-Touch系统，我们可以在几个小时内轻松地在虚拟世界中训练人工智能代理，以实现针对触摸量身定制的双手操作任务。更重要的是，我们可以直接将这些代理从虚拟世界应用到现实世界，而无需进一步训练。”

“触觉双手代理即使在意外的扰动下也能解决任务，并以温和的方式操纵精致的物体。”

具有触觉反馈的双手操作将是人类水平机器人灵活性的关键。然而，与单臂设置相比，这个主题的探索较少，部分原因是合适硬件的可用性，以及为具有相对较大状态动作空间的任务设计有效控制器的复杂性。该团队利用人工智能和机器人触觉传感的最新进展，开发了一种触觉双臂机器人系统。

研究人员建立了一个虚拟世界（模拟），其中包含两个装有触觉传感器的机械臂。然后，他们设计了奖励函数和目标更新机制，鼓励机器人代理学习实现双手操作任务，并开发了一个真实世界的触觉双臂机器人系统，他们可以直接将代理应用到该系统中。

机器人通过深度强化学习（Deep RL）学习双手操作技能，这是机器人学习领域最先进的技术之一。它旨在教机器人做事，让他们从试错中学习，就像训练一只有奖惩的狗一样。

对于机器人操作，机器人通过尝试各种行为来完成指定的任务来学习做出决定，例如，在不掉落或折断物体的情况下举起物体。当它成功时，它会得到奖励，当它失败时，它会学到什么不该做。

随着时间的推移，它会找出利用这些奖励和惩罚来抓住东西的最 佳方法。人工智能智能体仅依靠本体感受反馈(一种身体感知运动、动作、位置和触觉反馈的能力)实现视觉失明。

他们成功地使双臂机器人能够成功地安全地举起像单个薯片一样易碎的物品。

合著者Nathan Lepora教授补充说:“我们的Bi-Touch系统展示了一种很有前途的方法，使用价格合理的软件和硬件来学习模拟触摸的双手行为，可以直接应用于现实世界。我们开发的触觉双臂机器人模拟允许进一步研究更多不同的任务，因为代码将是开源的，这对于开发其他下游任务是理想的。”

Yijiong总结道:“我们的Bi-Touch系统允许触觉的双臂机器人从模拟中学习，并在现实世界中以温和的方式完成各种操作任务。”

“现在，我们可以在几个小时内轻松地在虚拟世界中训练人工智能代理，以完成针对触摸量身定制的手动任务。”