柔软的触感为机器人的硬件

自动化是一个日益重要的课题和核心这个概念通常情况是成对的机器人和机器学习领域。机器学习和机器人之间的关系并不仅仅局限于机器人的行为控制，而且对他们的设计和核心职能的重要。工作在现实世界中需要一个机器人来了解其环境和自身以导航和执行任务。

如果世界是完全可预测的，那么机器人就可以了走动，而无需学习任何新的关于它的环境。但现实的情况是不可预测的，不断变化的，所以机器学习帮助机器人适应不熟悉的情况。虽然这是所有机器人理论上如此，由于这些物理性能比他们的同行刚性本质上难以预料它是软体机器人尤为重要。

“把例如用气动人工肌肉（PAM），橡胶和基于光纤的流体驱动系统，其扩张和收缩以移动机器人”，从信息科学与技术研究生院准康平中岛教授说。 “天生的PAM遭遇随机机械噪声和滞后性，这基本上是随着时间的推移用料讲究。精确的基于激光的显示器帮助维持通过反馈控制，但这些刚性传感器限制机器人的动作，所以我们新的东西走了过来。”

中岛和他的团队认为，如果他们能够模拟实时PAM，那么他们可以保持它的良好的控制。然而，鉴于PAM中的不断变化的性质，这是不是与机械造型的传统方法逼真。因此转向一个名为水库计算功能强大，并建立机器学习技术的团队。这是有关系统的信息，在这种情况下，PAM，被送入实时特殊的人工神经网络，因此模型是不断变化的，从而适应环境。

“我们发现，根据其形状的收缩过程中PAM发生重大变化的电阻。因此，我们这个数据传递到网络，因此可以准确地对PAM的状态报告，”中岛说。 “普通橡胶是绝缘体，所以我们引入碳到我们的材料更容易地读取它的改变的阻抗。我们发现，系统仿真用同样高的精度现有激光位移传感器的范围内的测试条件”。

由于这种方法，新一代的软机器人技术的可能。这可能包括机器人，与人类的工作，例如可穿戴的康复设备或生物医学机器人，与他们额外的软触摸工具交互是温和的和安全的。

“我们的研究表明，水库的计算可以在除了机器人应用。遥感应用，这需要以分散的方式进行处理的实时信息，可以大大受益，”中岛说。 “和其他研究人员谁研究神经形态计算，智能计算机系统，也许还能给我们的想法纳入自己的工作，提高他们的系统的性能。”

资源 University of Tokyo. "A soft touch for robotic hardware: Combined muscles and sensors made from soft materials allow for flexible robots." ScienceDaily. ScienceDaily, 15 May 2020. <www.sciencedaily.com/releases/2020/05/200515085708.htm>.