亚洲科学家 （2022年5月19日）–雄鹰在空中雄伟地滑翔，蜻蜓在池塘上有节制地盘旋，黄貂鱼在海洋深处优雅地游泳，这些大自然的工程奇迹激励着现代机器人。世界各地的研究人员正在创造仿生机器人，试图准确模拟动物在特定环境中的自然运动。发布于IEEE机器人与自动化通讯新加坡科技与设计大学（SUTD）的研究人员在一个类似于黄貂鱼的软机器人上使用了一种深度机器学习的形式，教它更高效、更精确的运动形式，让机器人优雅地在水中游泳。
教机器人复杂的动作并不容易，而对于软机器人来说，这就更难了。与传统的机械机器人不同，由于其刚性连杆，其运动可以很容易地预测，而软机器人的运动是高度动态的，因为它具有更高的机动性范围，并且使用了更软的材料，如硅胶。这意味着预测此类机器人的精确运动更加困难。为了解决这个问题，巴勃罗·瓦尔迪维亚·阿尔瓦拉多博士及其SUTD团队使用了深度神经网络（DNN）。Valdivia y Alvarado是SUTD的助理教授。
DNN是一种更为复杂复杂的机器学习形式，它通过检测和识别来自一系列输入的信息模式来模拟大脑做出决策的方式。然后，它根据先前学习的数据生成预测输出。在这种情况下，DNN被用来教一个类似黄貂鱼的软机器人在水箱中推进，并确定在水中移动其软鳍的最有效方法。
为什么要把机器人做成黄貂鱼？正在与对话亚洲科学家Valdivia y Alvarado解释说，这是因为“通过相对简单和流线型的身体可以实现较高的机动性。”机器人可以沿着多个轴旋转，例如上下、左右、向前或向后。
该团队通过将软机器人连接到一个3D绘制的夹具上进行了实验。夹钳包含一个六轴力/扭矩传感器，用于测量鳍片在水中的扭曲和随后的运动。当软机器人移动鳍时，传感器测得的力和力矩被记录下来。重复10次，从100个机器人输入生成100个力/扭矩数据集，供DNN开始学习。
DNN获得此数据集，以了解哪种力和扭矩值最适合快速有效移动。从那里，它被告知根据一组新的力/扭矩数据预测鳍的运动，以查看它是否能够成功模拟以前学习到的鳍运动。
输入新数据集的结果很有希望。这个软机器人能够准确地模拟一系列输入，这些输入与实验开始时给出的初始输入非常相似。此外，机器人在相对较短的时间内实现了这一点。研究人员希望，这项研究可以成为开发和训练海洋探测车以快速适应不断变化的海洋条件的一个跳板。
Valdivia y Alvarado说：“我们下一步将使用这些模型对自由泳软机器人进行实时闭环控制，以真正了解它们在预测（水下）复杂动力学方面的有效性。”。
—
资料来源：新加坡理工大学；插图：Shelly Liew
文章可在以下网址找到Li等人（2022），基于DNN的蝙蝠式软机器人预测模型。
