借助AI算法機器人將手更接近人類

影子機器人靈巧手是一種機器人手，其大小，形狀和移動能力類似于人的手。為了使機械手有能力學習如何操作物體，Warwick大學WMG的研究人員開發了新的AI算法。機械手可以用于許多應用中，例如制造，手術和危險活動，例如核退役。例如，機械手在計算機組裝中非常有用，在這種組裝中，微芯片的組裝需要目前只有人的手才能達到的精確度。由于在裝配線中使用了機械手，因此可以實現更高的生產率，同時確保減少工作風險情況下對工人的暴露。

沃里克大學WMG的研究員Giovanni Montana和Henry Charlesworth博士在論文“通過彈道優化和強化學習解決具有挑戰性的靈巧操縱任務”中，開發了新的AI算法或“大腦”，以學習如何協調手指的動作并進行操作。

通過使用Shadow的機械手的真實逼真的模擬，研究人員已經能夠使兩只手相互傳遞并向物體投擲物體，以及在其手指之間旋轉筆。然而，算法不限于這些任務，而是可以學習任何任務，只要它可以被模擬即可。3-D仿真是使用華盛頓大學的物理引擎MuJoCo(具有聯系的多關節動力學)開發的。

研究人員的方法使用兩種算法。最初，計劃算法會生成一些有關手應如何執行特定任務的近似示例。這些示例然后由強化學習算法使用，該算法自己掌握操作技能。通過采用這種方法，與現有方法相比，研究人員已經能夠產生明顯更好的性能。模擬環境已公開提供給任何研究人員使用。

既然算法已經在仿真中成功完成，蒙大拿州教授的團隊將繼續與Shadow Robot緊密合作，并在真實的機器人硬件上測試AI方法，這可以使手在現實生活中更近一步地使用。

在將于2021年NeurIPS會議上發表的第二篇論文“ PlanGAN：具有稀疏獎勵和多個目標的基于模型的計劃”中，WMG研究人員還開發了一種新穎且通用的AI方法，使機器人能夠學習諸如到達目標等任務和移動物體，這將進一步改善手操作應用程序。