研究人员设计了一种3D打印的机器人手 可以轻松抓起各类物体

研究人员已经开发出一种具有成本效益和节能的机器人手，它可以抓取各种物体，而不会掉落，只需利用手腕运动和其"皮肤"中的感觉。抓取不同大小、形状和质地的物体的能力，对人类来说是一项简单的任务，但对机器人来说却是一项挑战。

(资料图片)

为了解决这个问题，剑桥大学的研究人员创造了一个灵活的、3D打印的机器人手，尽管它的手指不能独立移动，但仍然可以进行一系列复杂的运动。

这只机器人手被训练成能够抓住不同的物体，并且能够通过使用放置在其"皮肤"上的传感器所提供的信息来预测它是否会掉落这些物体。

这种类型的被动运动使机器人更容易控制，并且比具有完全机动化手指的机器人更节能。研究人员说，他们的适应性设计可用于开发低成本的机器人，这些机器人能够进行更自然的运动，并能学会抓取广泛的物体。这些结果在《高级智能系统》杂志上报告。

在自然界中，运动是由大脑和身体之间的相互作用产生的：这使人和动物能够以复杂的方式运动而不消耗不必要的能量。在过去的几年里，由于3D打印技术的进步，软性部件已经开始被整合到机器人设计中，这使得研究人员能够为简单、节能的系统增加复杂性。

机器人手只用手腕的动作就能拿起一个桃子大小的物体 资料来源：剑桥大学

人类的手是高度复杂的，在机器人中重现其所有的灵巧性和适应性是一个巨大的研究挑战。今天的大多数先进机器人都无法完成小孩子可以轻松完成的操纵任务。例如，人类本能地知道在拿起一个鸡蛋时应使用多大的力量，但对机器人来说，这是一个挑战：力量太大，鸡蛋可能会碎掉；力量太小，机器人可能会掉落。此外，一个完全驱动的机器人手，每个手指的每个关节都有电机，需要大量的能量。

在剑桥大学工程系的Fumiya Iida教授的生物启发机器人实验室，研究人员一直在开发这两个问题的潜在解决方案：一个能够以正确的压力量抓取各种物体的机器人手，同时使用最少的能量。

"在早期的实验中，我们的实验室已经表明，仅仅通过移动手腕就有可能在机器人手上获得很大的运动范围，"共同作者托马斯-乔治-图鲁特尔博士说，他现在在伦敦大学学院（UCL）东区工作。"我们想看看基于被动运动的机器人手是否不仅能够抓取物体，而且能够预测它是否会掉落物体，并作出相应的调整。"

3D打印的机器手拿筷子

研究人员使用了一个植入触觉传感器的3D打印拟人手，以便该手能够感知它所接触的东西。这只手只能够进行被动的、基于手腕的运动。

研究小组对这只机器人手进行了1200多次测试，观察其抓取小物体而不掉落的能力。该机器人最初使用3D打印的小塑料球进行训练，并使用通过人类示范获得的预设动作抓取它们。

第一作者Kieran Gilday博士说："这种手有一点弹簧感：它可以自己拿起东西，而不需要手指的任何驱动。触觉传感器让机器人感觉到抓握的情况如何，因此它知道什么时候开始打滑。这有助于它预测事情何时会失败"。

机器人利用试验和错误来学习什么样的抓握方式会成功。在完成对球的训练后，它又尝试抓取不同的物体，包括一个桃子、一个电脑鼠标和一卷气泡膜。在这些测试中，这只手能够成功抓取14个物体中的11个。

"传感器，有点像机器人的皮肤，测量施加在物体上的压力，"乔治-图鲁特尔说。"我们不能说机器人到底得到了什么信息，但理论上它可以估计出物体被抓在哪里，用了多少力。"

"机器人学会了一个特定的运动和一组特定的传感器数据的组合将导致失败，这使得它成为一个可定制的解决方案，"Gilday说。"这只手非常简单，但它可以用同样的策略拿起很多物体。"

"这种设计的最大优势是我们可以在不使用任何执行器的情况下获得的运动范围，我们希望尽可能地简化手部的工作。我们可以在没有任何执行器的情况下获得大量良好的信息和高度的控制，这样，当我们加入执行器时，我们将在一个更有效的包装中获得更复杂的行为。"

一个完全驱动的机器人手除了需要大量的能量外，也是一个复杂的控制问题。剑桥大学设计的手的被动设计，使用少量的传感器，更容易控制，提供广泛的运动范围，并简化了学习过程。

在未来，该系统可以通过多种方式进行扩展，如增加计算机视觉功能或教机器人利用其环境，这将使其能够抓取更广泛的物体。

关键词：