借助AI算法机器人将手更接近人类

影子机器人灵巧手是一种机器人手，其大小，形状和移动能力类似于人的手。为了使机械手有能力学习如何操作物体，Warwick大学WMG的研究人员开发了新的AI算法。机械手可以用于许多应用中，例如制造，手术和危险活动，例如核退役。例如，机械手在计算机组装中非常有用，在这种组装中，微芯片的组装需要目前只有人的手才能达到的精确度。由于在装配线中使用了机械手，因此可以实现更高的生产率，同时确保减少工作风险情况下对工人的暴露。

沃里克大学WMG的研究员Giovanni Montana和Henry Charlesworth博士在论文“通过弹道优化和强化学习解决具有挑战性的灵巧操纵任务”中，开发了新的AI算法或“大脑”，以学习如何协调手指的动作并进行操作。

通过使用Shadow的机械手的真实逼真的模拟，研究人员已经能够使两只手相互传递并向物体投掷物体，以及在其手指之间旋转笔。然而，算法不限于这些任务，而是可以学习任何任务，只要它可以被模拟即可。3-D仿真是使用华盛顿大学的物理引擎MuJoCo(具有联系的多关节动力学)开发的。

研究人员的方法使用两种算法。最初，计划算法会生成一些有关手应如何执行特定任务的近似示例。这些示例然后由强化学习算法使用，该算法自己掌握操作技能。通过采用这种方法，与现有方法相比，研究人员已经能够产生明显更好的性能。模拟环境已公开提供给任何研究人员使用。

既然算法已经在仿真中成功完成，蒙大拿州教授的团队将继续与Shadow Robot紧密合作，并在真实的机器人硬件上测试AI方法，这可以使手在现实生活中更近一步地使用。

在将于2021年NeurIPS会议上发表的第二篇论文“ PlanGAN：具有稀疏奖励和多个目标的基于模型的计划”中，WMG研究人员还开发了一种新颖且通用的AI方法，使机器人能够学习诸如到达目标等任务和移动物体，这将进一步改善手操作应用程序。