Используя эту методику, исследователи создали роботизированную руку, которая может плавно вращать самые разные предметы — небольшие игрушки, консервные банки и даже фрукты и овощи, не сминая и не раздавливая их. Для выполнения этих задач роботизированная рука использует только информацию, основанную на осязании.

Эта работа может помочь в разработке роботов, способных манипулировать предметами в темноте.

Команда представила свою работу на конференции 2023 Robotics: Science and Systems Conference.

Для создания системы исследователи прикрепили 16 сенсорных датчиков к ладони и пальцам четырехпалой роботизированной руки. Каждый датчик стоит около 12 долл. и выполняет простую функцию: определяет, прикасается к нему объект или нет.

Уникальность этого подхода заключается в том, что он опирается на множество недорогих сенсорных датчиков с низким разрешением, которые используют простые двоичные сигналы — касание или отсутствие касания — для выполнения роботизированного вращения руки. Эти датчики расположены на большой площади роботизированной руки.

В отличие от ряда других подходов, использующих несколько дорогостоящих сенсорных датчиков высокого разрешения, закрепленных на небольшом участке роботизированной руки, в основном на кончиках пальцев.

По словам Сяолуна Ванга, профессора электротехники и вычислительной техники Калифорнийского университета в Сан-Диего, возглавлявшего данное исследование, с этими подходами связано несколько проблем.

• Во-первых, наличие небольшого количества датчиков на роботизированной руке сводит к минимуму вероятность их контакта с объектом. Это ограничивает сенсорные возможности системы.
• Во-вторых, сенсорные датчики высокого разрешения, дающие информацию о текстуре, крайне сложно смоделировать, не говоря уже о том, что они очень дороги. Это затрудняет их использование в реальных экспериментах.

И, наконец, многие из этих подходов по-прежнему опираются на зрение.

В данном случае мы используем очень простое решение, — говорит Ванг.

Мы показываем, что для решения этой задачи нам не нужны подробности о текстуре объекта. Нам нужны лишь простые двоичные сигналы о том, коснулись ли датчики объекта или нет, а их гораздо проще смоделировать и перенести в реальный мир.

Исследователи также отмечают, что большой охват бинарных сенсорных датчиков дает роботизированной руке достаточно информации о трехмерной структуре и ориентации объекта, чтобы успешно вращать его без помощи зрения.

Сначала они обучили свою систему, выполнив симуляцию вращения виртуальной роботизированной рукой различных объектов, включая объекты неправильной формы. Система оценивает, какие датчики на руке касаются объекта в каждый момент времени во время вращения. Кроме того, она оценивает текущее положение суставов руки, а также их предыдущие действия. Используя эту информацию, система указывает роботизированной руке, какой сустав куда следует направить в следующий момент времени.

Затем исследователи протестировали свою систему на реальной роботизированной руке с объектами, с которыми система еще не сталкивалась. Роботизированная рука смогла вращать различные объекты без остановки или потери фиксации. Среди объектов были помидор, перец, банка арахисового масла и игрушечная резиновая уточка, которая оказалась наиболее сложным объектом из-за своей формы. Объекты более сложной формы вращались дольше. Роботизированная рука также могла вращать объекты вокруг разных осей.

В настоящее время Ванг и его команда работают над тем, чтобы распространить свой подход на более сложные задачи манипулирования. В настоящее время они разрабатывают методы, которые позволят роботизированным рукам, например, ловить, бросать и жонглировать.

Манипулирование руками — это очень распространенный навык, которым владеют люди, но для роботов он очень сложен, — говорит Ванг.

Если мы сможем привить роботам этот навык, это откроет перед ними новые возможности.