加州大學(xué)和英偉達研發(fā)了一款機器人切割模擬器，教會機器人切菜。
7 月 29 日消息，美國南加州大學(xué)計算機科學(xué)系和英偉達的研究人員推出了一種新的機器人切割模擬器，可以準確再現(xiàn)刀在切割水果、蔬菜等常見食品時作用在刀上的力。研究者稱這是第一個用于機器人切割的可微分模擬器，并且該系統(tǒng)還可以模擬切割人體組織，為手術(shù)機器人提供了潛在的應(yīng)用。
由于現(xiàn)實世界中沒有任何兩個物品是完全相同的，所以機器人的切割系統(tǒng)也要根據(jù)切割的每一個物品做出相應(yīng)的調(diào)整，這給研究人員創(chuàng)建可復(fù)制切割的智能機器人造成了困難。為了克服這個困難，研究人員創(chuàng)造了這個模型，以便更真實地模擬現(xiàn)實條件下的切割情況。
這項研究于 7 月 16 日在 2021 年機器人：科學(xué)與系統(tǒng)(RSS)會議上發(fā)表，并獲得了最佳學(xué)生論文獎。論文題目為《DiSECt：用于自動機器人切割的可微分仿真引擎(DiSECt：A Differentiable Simulation Engine for Autonomous Robotic Cutting)》
01. 為了讓機器人學(xué)會切割，研究者給水果蔬菜建了個模型
利用機器人實現(xiàn)對軟材料的切割，對于食品加工、家庭自動化和手術(shù)自動化等應(yīng)用至關(guān)重要。與機器人的其他技術(shù)領(lǐng)域一樣，模擬器使研究人員能夠驗證控制器、訓(xùn)練控制策略并生成用于切割的數(shù)據(jù)集，還能避免昂貴且耗時的現(xiàn)實試驗。
然而，現(xiàn)實世界中的軟材料(如水果、蔬菜、人體組織等)的材料特性往往是未知的，且不同材料之間的差異性也極大。此外，切割的理想軌跡可能事先無法得知，并且需要對切割動作進行有效的控制和優(yōu)化，這種需求促使了可微分模擬器的產(chǎn)生。
不過，切割的微分模擬是一個難題，因為自然切割是一個不連續(xù)的過程，在這個過程中會有裂紋形成，斷裂也會擴展，這使研究人員難以對梯度進行計算。
為了解決這個問題，研究團隊設(shè)計了一種模擬器來模擬切割，該方法以連續(xù)的方式表示裂紋擴展和損傷力學(xué)的過程，研究團隊將這種模擬器命名為 DiSECt。
具體來說就是研究人員為被切割物品創(chuàng)建了一個模型，并在模型的切割面引入了“彈簧”。彈簧的強度與刀具施加在物品上的力成反比，隨著刀的施壓，彈簧的強度會逐漸減弱直至斷裂，這更真實地模擬了現(xiàn)實條件下的切割情況。
02. 模型“可微分”，讓模擬切割過程更真實
DiSECt 利用常用的有限元分析法(FEM)來模擬軟材料，將要切割的物品用一個由四面體元素組成的 3D 網(wǎng)格表示。研究者沿著預(yù)設(shè)的切割面，按照虛擬節(jié)點算法對網(wǎng)格進行切片，并在切面上添加虛擬節(jié)點。利用這些虛擬節(jié)點，研究者可以準確模擬刀具在切割時的受力狀態(tài)。
然后，研究者在連續(xù)切割面插入了連接切面兩側(cè)虛擬節(jié)點的“彈簧”，這些彈簧能夠使研究人員以連續(xù)的方式模擬損傷力學(xué)和裂紋的擴展情況。隨著刀具的施力，彈簧的強度會逐漸降低直至消失。
這種連續(xù)的變化能夠使研究人員更快地弄清被切割材料的材料特性或刀具軌跡參數(shù)的梯度。例如，給定刀具垂直和側(cè)向速度的梯度，研究者可以有效地確定施力最小且速度最快的切割方法。
通過基于梯度的優(yōu)化算法，研究者可以自動調(diào)整仿真參數(shù)，以實現(xiàn)模擬器與實際測量值之間的緊密匹配。
論文的主要作者、博士生 Eric Heiden 說：“我們的模擬器之所以是一種特殊類型的模擬器是因為它是‘可微分的’，這意味著我們可以利用現(xiàn)實世界的測量結(jié)果調(diào)整這些模擬參數(shù)?？s小模擬與現(xiàn)實之間的差距對當今的機器人專家來說是一項重大挑戰(zhàn)。沒有這一點，機器人可能永遠無法擺脫模擬進入現(xiàn)實世界。”
03. 模擬器讓機器人切割過程省力 15%
研究者在一項實驗中對 DiSECt 進行了驗證，其首先使用相應(yīng)的模擬網(wǎng)格及材料屬性對模擬器進行設(shè)置，并對其余參數(shù)進行優(yōu)化以減少模擬器和真實刀具之間力的分布差異。隨后進行 150 次的梯度評估。
驗證結(jié)果顯示，模擬器最初的預(yù)測與實際結(jié)果相差甚遠，但是隨著模擬次數(shù)的增加，模擬器會自動找到最準確的結(jié)果進行擬合，最終模擬器精確地預(yù)測了刀具的受力分布。
研究者還使用成熟的商業(yè)模擬器生成額外數(shù)據(jù)，使他們能夠更精確的控制實驗設(shè)置。優(yōu)化了模擬參數(shù)后，DiSECt 能夠更準確地預(yù)測切割速度以及力的分布。
除此之外，研究者還發(fā)現(xiàn) DiSECt 還能夠用于優(yōu)化刀具的切割運動，以找到最優(yōu)的切割方式。比如優(yōu)化開始前，機器人只能進行垂直向下的切割，隨著模擬器的不斷自我優(yōu)化，能夠?qū)崿F(xiàn)鋸切運動。
研究人員稱，相對于未經(jīng)優(yōu)化的直接切割，通過 DiSECt 對切割運動進行優(yōu)化后施加在刀具上的力平均可以減少 15%。
“這項研究最重要的是要有一個準確的切割過程模型，并且能夠真實地再現(xiàn)在切割不同種類的組織時作用在切割工具上的力。通過我們的方法，我們能夠自動調(diào)整我們的模擬器以匹配不同類型的材料，并實現(xiàn)對力分布的高精度模擬。”Eric Heiden 說。
研究者稱，這項模型不僅可以在食品加工領(lǐng)域的機器人身上應(yīng)用，還可以讓機器人替人類接管一些較危險的工作。此外，利用該模型對機器人進行訓(xùn)練優(yōu)化，可以提高手術(shù)機器人觸覺反饋的準確性，讓機器人能夠在外科手術(shù)中得以應(yīng)用。
在接下來的研究中，研究者將會把這一模型應(yīng)用于更多現(xiàn)實世界中的機器人，并拓展其建模方法以適應(yīng)更多更復(fù)雜的切割動作，比如雕刻等。
04. 結(jié)語：切割模擬器讓機器人更懂切割，能讓機器人做手術(shù)了?
過去想要讓機器人“學(xué)會”切菜可不是一件容易的事情。由于菜的種類、形狀、硬度等條件大不相同，切割的難度也有所不同，讓機器人學(xué)會切菜需要對這一過程進行反復(fù)的訓(xùn)練和調(diào)整，這不僅需要耗費大量時間和精力，還會浪費大量的材料。
而現(xiàn)在通過切割模型 DiSECt 對切割過程進行模擬優(yōu)化，讓機器人的整個學(xué)習(xí)過程變得更加輕松。并且，它還能使機器人在不斷的學(xué)習(xí)中變得更加聰明，讓切割更省力。
這一項模型的出現(xiàn)不僅讓許多需要用到“切割”這一動作的領(lǐng)域(比如食品加工等)大規(guī)模應(yīng)用機器人工作成為可能，還能讓人類遠離部分較為危險的工作崗位，避免以外事故的發(fā)生。
另外，手術(shù)機器人領(lǐng)域也是這一模型應(yīng)用的前景之一。目前市場上的手術(shù)機器人應(yīng)用范圍仍較窄，且靈活度等方面仍不如人手，手術(shù)過程仍需要依靠專業(yè)醫(yī)生的參與。有了這一模型之后，能夠?qū)κ中g(shù)機器人進行深度訓(xùn)練與優(yōu)化，從而提高手術(shù)機器人的實用性。
營業(yè)執(zhí)照公示信息