新型双臂机器人通过模拟学习实现双手任务

一款创新的双手机器人使用人工智能来通知其动作，显示出接近人类水平的灵活性的触觉灵敏度。

新的 Bi-Touch 系统由布里斯托大学的科学家设计，位于布里斯托机器人实验室，允许机器人通过感知数字助手的操作来执行手动任务。

研究结果发表在《IEEE 机器人与自动化快报》上，展示了人工智能代理如何通过触觉和本体感觉反馈来解释其环境，然后控制机器人的行为，从而实现精确传感、温和交互和有效的对象操纵来完成机器人任务。

这一发展可能会彻底改变水果采摘、家政服务等行业，并最终重新创造假肢的触觉。

主要作者工程学院的 Yijiong Lin 解释说：“通过我们的 Bi-Touch 系统，我们可以在几个小时内轻松地在虚拟世界中训练人工智能代理，以实现针对触摸定制的双手任务。更重要的是，我们可以直接将这些代理从虚拟世界应用到现实世界，而无需进一步培训。

“即使在意想不到的干扰下，触觉双手代理也可以解决任务，并以温和的方式操纵精致的物体。”

带有触觉反馈的双手操作将是机器人灵巧程度达到人类水平的关键。然而，与单臂设置相比，这个主题的探索较少，部分原因是合适的硬件的可用性以及为具有相对较大的状态动作空间的任务设计有效控制器的复杂性。该团队利用人工智能和机器人触觉传感的最新进展，开发了触觉双臂机器人系统。

研究人员建立了一个虚拟世界(模拟)，其中包含两个配备触觉传感器的机器人手臂。然后，他们设计了奖励函数和目标更新机制，可以鼓励机器人代理学习完成双手任务，并开发了一个可以直接应用代理的现实世界触觉双臂机器人系统。

该机器人通过深度强化学习(Deep-RL)学习双手技能，这是机器人学习领域最先进的技术之一。它的目的是教机器人做事，让它们从反复试验中学习，就像用奖励和惩罚来训练狗一样。

对于机器人操纵，机器人通过尝试各种行为来学习做出决策以完成指定的任务，例如举起物体而不掉落或破坏它们。当它成功时，它会得到奖励;当它失败时，它会学习不该做什么。随着时间的推移，它会找出利用这些奖励和惩罚来获取东西的最佳方法。人工智能代理在视觉上是盲目的，仅依赖于本体感觉反馈——身体感知运动、动作和位置以及触觉反馈的能力。

他们成功地使双臂机器人能够成功安全地举起像普林格薯片这样易碎的物品。