世界上最先進的機械手正在接近人類水平的靈活性

記住機械手的想法是笨拙的手套，除了把鐵夾子里的東西壓碎，還能做什么？嗯，這個陳詞濫調應該根據英國華威大學WMG系的一些令人印象深刻的工作來消除。

如果這項研究能夠實現它的潛力，機器人的手將很快像他們有血有肉的對手一樣敏捷。這都要歸功于英國影子機器人公司(《數字趨勢》之前已經詳細介紹過)基于仿真、新AI算法和影子機器人靈巧手打造的一些令人印象深刻的訓練。

Wmwarwick的研究人員開發了一種算法，可以使靈巧的手具有令人印象深刻的操縱功能，這樣兩個機器人手就可以互相投擲物體或在手指間旋轉筆。

數據科學教授喬瓦尼蒙塔納(Giovanni Montana)告訴《數字趨勢》:“影子機器人公司正在制造與人類手非常相似的機器人手。”“然而，到目前為止，這主要用于遠程操作應用，在這些應用中，操作員可以遠程控制他們的手。我們的研究旨在使手有能力學會如何在沒有人工干預的情況下自己操作物體。在展示新功能時，我們專注于被認為難以學習的手動任務。”

在一篇題為“通過軌跡優化和強化學習解決具有挑戰性的靈巧機動任務”的論文中，華威的研究人員使用了華盛頓大學開發的名為MuJoCo(多關節動力學與接觸)的物理引擎進行三維仿真。

這項工作(目前仍在進行中)令人印象深刻，因為它展示了需要兩只手的機械手的任務，例如抓鉤。這給學習過程增加了額外的難度。研究人員認為，該算法代表了迄今為止完成具有挑戰性的靈巧操作任務的自主學習的最令人印象深刻的例子之一。

動手算法

涉及兩種算法。首先，計劃算法生成應該如何執行任務的示例。然后，反復試驗學習的強化學習算法將反復練習，完美實現這一動作。它使用獎勵函數來評估自己的健康狀況。

另一位研究人員亨利查爾斯沃斯(Henry Charlesworth)告訴《數字趨勢》，“理想情況下，你希望定義一個易于確定的獎勵，不需要大量的工程和調整，但也可以提供定期反饋來指導學習。“對于筆旋轉任務，我們根據筆的角速度定義一個簡單的獎勵，根據筆離水平面的距離定義一個輕微的負獎勵。在這種情況下，“更好”意味著筆盡可能快地旋轉，同時相對于手保持“水平”。

功能機械手不僅僅是一個偉大的示范。它們在現實世界中可能有大量的應用。例如，一個更強大的機械手可能在計算機組裝中有用，因為組裝微芯片需要目前只有人手才能達到的精度。它們也可以用于機器人手術，這是華威研究人員目前正在研究的應用。

但有一個陷阱：目前幾乎可以表現人體運動水平的手勢算法，只是在虛擬現實仿真中得到了證明。將算法轉換為物理硬件是項目的下一步。

Charlesworth說：“它確實增加了一層額外的復雜性，因為盡管模擬器相當精確，但它永遠不可能是完美的。”“這意味著你在模擬環境中訓練的策略不能直接轉移到實際操作中。然而，最近有很多成功的工作，集中在如何使仿真中的訓練策略更加健壯，使其能夠在物理機器人上運行。”