变形粘液机器人:科学家正在设法控制没有固定形态的东西

变形粘液机器人:科学家正在设法控制没有固定形态的东西 1991 年,邪典电影《终结者 2:审判日》(Terminator 2: Judgment Day)中的 T-1000 向世人展示了可变形机器人的概念。从那时起(如果不是在此之前的话),许多科学家都梦想着创造一种能够改变形状的机器人,以执行各种任务。但是,麻省理工学院的一个研究小组正在努力开发能够做到这一点的机器人。他们开发了一种机器学习技术,可以训练和控制一种可重新配置的"粘液"机器人,这种机器人可以挤压、弯曲和拉长自己,从而与周围环境和外部物体进行互动。遗憾的是,这个机器人不是由液态金属制成的。麻省理工学院计算机科学与人工智能实验室(CSAIL)的陈博源(Boyuan Chen)是概述研究人员工作的研究报告的共同作者,他介绍说:"我们的机器人就像粘液一样,可以真正改变自己的形态。我们的方法效果如此之好,非常令人震惊,因为我们面对的是一种非常新的东西"。研究人员必须设计出一种方法来控制粘液机器人,这种机器人没有手臂、腿或手指,也没有任何骨架供其肌肉推拉,更没有任何固定位置的肌肉致动器。如此无形的形态,如此无尽动态的系统......这些都是噩梦般的场景:你究竟该如何为这样一个机器人的动作编程呢?显然,在这种情况下,任何标准的控制方案都将毫无用处,因此研究小组求助于人工智能,利用其处理复杂数据的巨大能力。他们开发出了一种控制算法,可以学习如何移动、拉伸和塑造所述球状机器人,有时还可以多次学习,以完成特定任务。粘液机器人没有固定的"骨架"或执行器位置,因此具有极高的灵活性,但同时也是对控制系统的巨大挑战 麻省理工学院强化学习是一种机器学习技术,用于训练软件利用试验和错误做出决策。它非常适合训练具有明确运动部件的机器人,例如带有"手指"的抓手,可以对使其更接近目标的动作进行奖励例如捡起一个鸡蛋。那么,由磁场控制的无形软体机器人呢?"这样的机器人可能有成千上万块小肌肉需要控制,"陈说。"因此,用传统方法学习它非常困难。粘液机器人需要一次移动大块粘液,才能实现有效的功能性形状变化;操纵单个颗粒不会产生所需的实质性变化。因此,研究人员采用了一种非传统的强化学习方法。在二维行动空间中,相邻行动点之间的相关性更强,从而使软机器人的形状发生变化在强化学习中,当一个代理与环境交互时,可供选择的所有有效行动或选择的集合被称为"行动空间"。在这里,机器人的行动空间被视为由像素组成的图像。他们的模型使用机器人所处环境的图像来生成一个由网格覆盖的点所构成的二维行动空间。与图像中邻近像素的关联性相同,研究人员的算法认为邻近的动作点具有更强的关联性。因此,当机器人的"手臂"改变形状时,其周围的动作点会一起移动;"腿"上的动作点也会一起移动,但与手臂的移动不同。研究人员还开发了一种"从粗到细的策略学习"算法。首先,使用低分辨率的粗略策略(即大块移动)对算法进行训练,以探索行动空间并识别有意义的行动模式。然后,更高分辨率的精细策略深入研究,优化机器人的行动,提高其执行复杂任务的能力。团队利用人工智能强化学习技术创建了一个基于任务、以目标为导向的控制系统"从粗到细意味着,当你采取一个随机动作时,这个随机动作很可能会产生不同的结果,"该研究的合著者、同样来自CSAIL的文森特-西茨曼(Vincent Sitzmann)说。"结果的变化很可能非常显著,因为你同时粗略地控制了几块肌肉"。接下来是测试他们的方法。他们创建了一个名为"DittoGym"的模拟环境,其中有八项任务可以评估可重构机器人改变形状的能力。例如,让机器人匹配一个字母或符号,并让它生长、挖掘、踢、抓和跑。"我们在 DittoGym 中的任务选择既遵循了通用的强化学习基准设计原则,又满足了可重构机器人的特殊需求。""每项任务的设计都代表了我们认为重要的某些特性,例如通过长视野探索进行导航的能力、分析环境的能力以及与外部物体交互的能力,"Huang 继续说。"我们相信,这些任务加在一起可以让用户全面了解可重构机器人的灵活性以及我们的强化学习方案的有效性。"研究人员发现,就效率而言,他们的"从粗到细"算法在所有任务中的表现都优于其他算法(例如,仅使用粗算法或从零开始使用细算法)。要想在实验室外看到形状可变的机器人尚需时日,但这项工作是朝着正确方向迈出的一步。研究人员希望,这将激励其他人开发出自己的可重构软体机器人,有朝一日,这种机器人可以在人体上行走,或被集成到可穿戴设备中。该研究发表在预印本网站arXiv上。 ... PC版: 手机版:

相关推荐

封面图片

科学家创造出世界上最小、最轻、最快的全功能微型水黾机器人

科学家创造出世界上最小、最轻、最快的全功能微型水黾机器人 华盛顿州立大学的研究人员开发出了体积最小、速度最快的微型机器人,有望改变从人工授粉到外科手术的各个领域。这些机器人利用形状记忆合金进行运动,比以前的型号明显更轻、更快,通过模仿自然界昆虫的行为,有望实现更高的自主性和效率。图片来源:西悉尼大学图片社速度和微型化方面的突破机械与材料工程学院的博士生、这项研究的第一作者康纳-特里格斯塔德(Conor Trygstad)说:"与这种规模的其他微型机器人相比,这是非常快的速度,尽管它仍然落后于它们的生物亲戚。一只蚂蚁通常重达五毫克,移动速度可达每秒近一米。"微型机器人的关键在于使机器人移动的微型致动器。特里格斯塔德利用一种新的制造技术,将致动器微型化到不足一毫克,这是目前已知最小的致动器。一个西悉尼大学创造的机器人被放在一个25美分硬币旁边,以显示其大小。资料来源:西悉尼大学领导该项目的西悉尼大学机械与材料工程学院工程学副教授 Néstor O. Pérez-Arancibia 说:"这些致动器是迄今为止为微型机器人开发的最小、最快的致动器。"先进的致动器技术致动器使用一种称为形状记忆合金的材料,这种材料在加热时能够改变形状。之所以称之为"形状记忆",是因为它能记住并恢复到原来的形状。与移动机器人的典型电机不同,这些合金没有任何活动部件或旋转组件。Trygstad 说:"它们的机械性能非常好,轻型致动器的开发开辟了微型机器人技术的新领域。"形状记忆合金一般不用于大规模机器人运动,因为它们的速度太慢。但在西悉尼大学的机器人中,执行器是由两根直径为 1/1000 英寸的微小形状记忆合金线制成的。只需少量电流,这些金属丝就能轻松加热和冷却,使机器人能够以每秒 40 次的速度扇动鳍或移动脚。在初步测试中,致动器还能举起超过自身重量 150 倍的物体。与其他用于使机器人移动的技术相比,SMA 技术也只需要极少量的电力或热量就能使机器人移动。未来方向与改进Trygstad 说:"SMA 系统对供电系统的要求要低得多。"他是一名狂热的钓鱼爱好者,长期以来一直在观察水黾,并希望进一步研究它们的动作。虽然西悉尼大学的水黾机器人是用扁平的拍打动作来移动自己,但自然界的昆虫会用腿做更有效率的划船动作,这也是真正的昆虫能移动得更快的原因之一。研究人员希望模仿另一种昆虫,开发出一种既能在水面上也能在水面下移动的水黾型机器人。他们还在努力利用微型电池或催化燃烧技术,使机器人完全自主,不受电源束缚。编译来源:ScitechDaily ... PC版: 手机版:

封面图片

科学家利用 pH 诱导靶向癌细胞

科学家利用 pH 诱导靶向癌细胞 如何让纳米机器人精确识别和杀死癌细胞?根据发表在《nature nanotechnology》的一项研究,瑞典卡罗琳学院(Karolinska Institutet)的研究人员描述了一种刺激响应机器人开关纳米装置,能根据 pH 触发。当 pH 6.5 时释放死亡受体(death receptors)导致癌细胞死亡,pH 7.4 时保持惰性。对携带人类乳腺癌异种移植物的小鼠实验显示,该纳米装置导致癌症生长减少最多 70%。 via Solidot

封面图片

科学家创造出用腹部控制的“第三只手臂”

科学家创造出用腹部控制的“第三只手臂” 为了进行这项研究,我们制作了一个装置,让用户坐在其中,同时抓住两个外骨骼式手臂上的把手,并佩戴一个配备传感器的腰带,以检测他们的图表运动。他们还戴着一个 VR 头盔,通过它来观看虚拟环境。通过移动外骨骼手臂,用户可以在 VR 世界中用虚拟版的真实手臂执行任务。此外,通过以特定方式移动横膈膜,用户还可以控制虚拟的第三只手臂。第三只手臂位于虚拟左臂和右臂之间,设计成对称的六指手两侧都有一个拇指这样就不会被认为属于某一侧或另一侧。在对 61 名志愿者进行的 150 次测试中,事实证明大多数人都能轻松掌握这种设置。重要的是,测试对象能够在控制左右手臂的同时控制第三只手臂有点像同时拍头和揉肚子。在操作第三只手臂时,参与者还能参与对话,并将视线从任务上转移开。在随后的研究阶段,志愿者的胸前绑上了一个实体机械臂。该装置实际上只是一根从底座伸进和伸出的杆,但使用者仍然可以移动它,让它的"手"按照指示悬停在给定的目标圆圈上。尽管如此,这项研究并不是专门为了开发实用的第三机械臂。"这种第三臂控制的主要动机是了解神经系统,"米塞拉说。"如果你挑战大脑做一些全新的事情,你就能了解大脑是否有能力做到这一点,以及是否有可能促进这种学习。然后,我们就可以将这些知识用于开发残疾人的辅助设备或中风后的康复方案等。"有关这项研究的论文最近发表在《科学机器人学》(Science Robotics)杂志上。您可以在下面的视频中看到虚拟和实体第三只手臂的动作。 ... PC版: 手机版:

封面图片

科学家开发出能产生34倍于自身重量力量的人造肌肉装置

科学家开发出能产生34倍于自身重量力量的人造肌肉装置 研究人员利用离子聚合物人造肌肉开发出了一种软流体开关,它能以超低功率运行,产生的力是其重量的 34 倍。这一突破通过精确控制狭窄空间中的流体流动,为软机器人、生物医学设备和微流体技术提供了潜在应用。上图描述了在超低电压下使用软流体开关分离液滴的过程。资料来源:KAIST 软机器人与智能材料实验室韩国科学技术院(KAIST)(院长 Kwang-Hyung Lee)1 月 4 日宣布,机械工程系 IlKwon Oh 教授领导的一个研究小组开发出了一种软流体开关,它能在超低电压下工作,并能在狭窄空间内使用。现代科技中的人造肌肉人造肌肉模仿人类肌肉,与传统电机相比能提供灵活自然的运动,是软体机器人、医疗设备和可穿戴设备的基本元素之一。这些人造肌肉会根据电、气压和温度变化等外部刺激产生运动,要利用人造肌肉,必须对这些运动进行精确控制。基于现有电机的开关因其刚性和体积大而难以在有限的空间内使用。为了解决这些问题,研究团队开发了一种电离子软致动器,即使在狭窄的管道中也能控制流体流动,同时产生较大的力,并将其用作软流体开关。合成 pS-COF 并将其用作电活性软流体开关的普通电极-电解质宿主。A) pS-COF 的合成示意图。B) 电化学软开关的工作原理示意图。C) 使用基于 pS-COF 的电化学软开关在动态操作中控制流体流动的原理图。资料来源:KAIST 软机器人与智能材料实验室。研究小组开发的离子聚合物人工肌肉由金属电极和离子聚合物组成,在通电后会产生力和运动。人工肌肉电极表面由有机分子组合而成的多磺化共价有机框架(pS-COF)被用来以超低功率(~0.01V)产生相对于其重量的巨大力量。结果制造出的厚度为 180 微米、细如发丝的人造肌肉在启动平滑运动时产生的力比其 10 毫克的轻重量大 34 倍多。因此,研究小组能够以较低的功率精确控制流体的流动方向。领导这项研究的IlKwon Oh教授说:"以超低功率运行的电化学软流体开关可以为基于流体控制的软机器人、软电子学和微流体学领域带来许多可能性。从智能纤维到生物医学设备,这项技术有可能立即在各种工业环境中投入使用,因为它可以轻松应用于我们日常生活中的超小型电子系统。" ... PC版: 手机版:

封面图片

我以前以为,实现小学生作文里写的,让机器人买菜做饭,是需要有类似人的自主意识才能实现,而让机器有自主意识,可能需要用到通用

我以前以为,实现小学生作文里写的,让机器人买菜做饭,是需要机器人有类似人的自主意识才能实现,而让机器有自主意识,可能需要用到通用量子计算机。现在再看,随着技术发展,也许机器人不需要有自主意识也能执行复杂任务。 一般来说,发指令让机器人把桌上A点的一瓶水,拿起来并放到B点,是相对容易的,只需给机器人编程,设定好坐标、姿态和抓取指令即可。 但是如果你对机器人说,帮我去超市买两斤黄瓜回来,这个难度就相当大了,尽管这个任务只需要花5块钱就会有一个人类外卖员帮你实现。 让机器人去超市买两斤黄瓜,涉及到大量感知、决策和执行过程。 打个比方,怎么让机器人开门。 机器人开门实现起来就比较复杂,研究机器人开门的文章很多。 机器人得认识门把手,得知道门把手的精确位置,得学习从哪个姿态抓成功率更高,得有合适的控制方法避免把门把手或者把自己的手指拧断了。 得用到机器视觉,得研究机器人运动学、动力学,得上深度学习,还得研究各种信号滤波和控制优化方法。 我对机器人只了解一点皮毛,这是我能想到的,实际研究的人可能会遇到更多问题。 想象一下,你所在的团队花了几年时间,成功让机器人学会了拧开各种一字形门把手,并发了很多文章。但是机器人下楼后发现,楼下有个肯德基餐厅同款的门把手。见此情景,你领导心中窃喜,又可以搞到一笔经费,并发好几篇文章。

封面图片

机器人化学家RoboChem的速度和准确性均优于人类化学家

机器人化学家RoboChem的速度和准确性均优于人类化学家 RoboChem 由弗吉尼亚大学范特霍夫分子科学研究所 Timothy Noël 教授的研究小组开发。他们的论文显示,RoboChem 是一种精确可靠的化学家,可以进行各种反应,同时产生极少量的废物。该系统全天候自主工作,能够快速、不知疲倦地提供结果。机器人化学的延时摄影。资料来源:阿姆斯特丹大学Noël介绍说:"一周之内,我们就能优化合成大约十到二十个分子。而这需要一个博士生花费几个月的时间。机器人不仅能获得最佳反应条件,还能提供扩大规模的设置。这意味着我们可以生产与制药业供应商直接相关的数量。"Noël研究小组的专长是流动化学,这是一种新颖的化学方法,用柔性小管系统取代烧杯、烧瓶和其他传统化学工具。在 RoboChem 中,一根机械针小心翼翼地收集起始材料,并将这些材料混合在半毫升以上的小体积中。RoboChem 基于流动化学原理。反应在体积仅为 650 微升的小管子中流动进行。资料来源:阿姆斯特丹大学然后,这些物质通过管道系统流向反应器。在那里,大功率 LED 发出的光通过激活反应混合物中的光催化剂,引发分子转换。然后,光流继续流向自动核磁共振波谱仪,以识别转化的分子。这些数据会实时反馈给控制 RoboChem 的计算机。Noël说:"这是 RoboChem 的大脑。它利用人工智能处理信息。我们使用一种机器学习算法,它能自主决定进行哪些反应。它始终以最佳结果为目标,并不断完善对化学的理解。"机器人针式取样器精确地选择各种试剂的数量,并巧妙地将它们混合在一起,形成反应溶液。资料来源:阿姆斯特丹大学为了证实 RoboChem 的成果,研究小组付出了巨大的努力。《科学》论文中收录的所有分子都是经过人工分离和检查的。Noël说,该系统的独创性给他留下了深刻印象:"我从事光催化研究已经十多年了。尽管如此,RoboChem 所显示的结果是我无法预测的。例如,它发现了只需要很少光的反应。有时,我不得不挠头去想它到底做了什么。这时你会想,如果是我们,也会这样做吗?现在回想起来,你就会明白 RoboChem 的逻辑。但我怀疑我们自己是否也能获得同样的结果。至少不会这么快'。RoboChem 的核心是一个功能强大的光化学反应器,其特点是有一排非常强大的 LED 照亮反应溶液。在这里,分子根据人工智能控制器的指令进行转化。资料来源:阿姆斯特丹大学研究人员还使用 RoboChem 复制了之前在四篇随机选取的论文中发表的研究成果。然后,他们确定了Robochem是否产生了相同或更好的结果。在大约80%的情况下,该系统产生了更好的结果。Noël说:'在另外20%的情况下,结果是相似的。这让我毫不怀疑,人工智能辅助方法将在最广泛的意义上有益于化学发现。"RoboChem 和其他"计算机化"化学的意义还在于生成高质量的数据,这将有利于人工智能在未来的应用。在传统的化学发现中,只对少数分子进行深入研究。然后将结果推断到看似相似的分子上。RoboChem 生成的数据集完整而全面,每个分子的所有相关参数都能在其中获得。这就提供了更多的洞察力。RoboChem 采用机器学习算法处理从系统中获取的数据。它决定执行哪些反应,始终以最佳结果为目标。人工干预只发生在开始阶段,即设置储备溶液和启动 RoboChem 会话。资料来源:阿姆斯特丹大学另一个特点是,RoboChem系统还能记录"负面"数据。在目前的科学实践中,大多数发表的数据只反映成功的实验。失败的实验也能提供相关数据。但这些数据只能在研究人员的手写实验笔记中找到。这些数据没有公开发表,因此无法用于人工智能驱动的化学研究,RoboChem 也将改变这一点。编译来源:ScitechDaily ... PC版: 手机版:

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人