说起软体机器人，很多人可能并不陌生。

软机器人的发展离不开材料科学、机器人学、生物力学、传感与控制等多学科的进步。近年来，相关学科发展迅速，各类软体机器人开始涌现。

在ICRA 2017机器人与自动化国际会议上，参与发明达芬奇手术机器人的香港中文大学机械与自动化工程系副教授区教授表示：

软体机器人在医疗领域得到广泛应用，甚至可能改变医疗机器人的范式。软机器人是手术机器人的最终目标。

当然，除了医疗领域，软体机器人还有广阔的市场——玩具。

在这个市场上，迪士尼非常重视软体机器人。就在去年，迪士尼研究中心 ( ) 赋予软机器人基于算法和特殊拉伸传感器的“本体感觉”能力。

最近，在世界领先的机器人专家之一Rus教授的领导下，也取得了类似的成果：基于他们开发的算法，软体机器人中的传感器得到了优化，因此它可以更好地感知自己在环境中的情况，与环境互动。

相关论文题为 Co- of Task and for Soft（软机器人任务和传感器布置的协作学习），将于 2025 年 4 月在 IEEE on Soft（IEEE 软机器人国际会议）上发表。

让软机器人回答“我在哪里？”

很多人对机器人的印象是外壳坚硬，有金属感。这是传统的刚性机器人。通常，刚性机器人关节和四肢的有限阵列使得可以通过控制映射和运动规划的算法来管理计算。

与刚性机器人不同，软机器人在结构和材料上都是非线性的，并且具有多个自由度。因此，它们的动作任务更加复杂，因此对算法的要求非常高。

正如论文介绍的那样：

软机器人必须在无限维的状态空间中进行推理，而映射这个连续的状态空间并不简单（尤其是在使用一组有限的离散传感器时，毕竟传感器位置对机器人任务学习的丰富性有重大影响）影响深远的模型）。

通俗地说，上面这段话的意思是，如果软机器人想要可靠地完成编程任务，它们需要知道自己所有身体部位的位置，而且由于软机器人可以以几乎无限的方式变形，所以这个任务相当复杂。难的。

为了让软体机器人回答“我在哪里？”的问题，科学家之前的策略是使用外部摄像头绘制机器人的位置图，并将信息反馈给机器人的控制程序。

但想法是：创造一个不需要外界帮助的软机器人。

据研究小组称：

机器人上无法安装无数的传感器。真正的问题是：应该有多少个传感器以及传感器应该放置在哪里才能实现最大的性价比？

正因为如此，专注于深度学习。

他们开发了一种算法，可以帮助工程师设计软机器人，收集有关周围环境的更多有用信息。

具体来说，这种协作学习传感器放置和复杂任务表示的新方法可以处理机载传感器信息来学习突出和稀疏的位置选择，优化机器人体内传感器的位置，并确保机器人获得最佳任务。表现。

该论文的合著者之一阿米尼说：

该系统不仅可以学习给定的任务，还可以学习如何最好地设计机器人来解决该任务。传感器放置是一个非常难解决的问题，因此这个解决方案非常令人兴奋。

该论文表明，由于许多软机器人本质上是类似节点的，因此新架构使用基于点云的学习和概率稀疏化。他们的方法将传感器设计视为双重学习过程，将物理设计和数字设计结合在单个端到端训练过程中。

在论文中，研究人员将这种架构称为 PSFE 网络（点对点稀疏化和特征提取网络）。

PSFE 网络能够同时学习传感器的读数表示和传感器的位置。如下图所示，PSFE网络是研究团队所做的所有演示和应用的核心——演示包括物体抓取预测（B）、学习本体感觉（C）和控制（D）。

事实证明，在放置传感器时，算法远远优于人类直觉！

综上所述，该成果的主要贡献有：

应变和应变率的测量：用于推理软机器人状态的神经架构；

适用于下游任务的最小集稀疏概率传感器表示，以及超越自动和手动基线的算法；

演示两个任务（7 种软机器人模式的触觉感知和本体感觉）中的任务学习和传感器放置协同设计。

该论文的一位共同作者表示：

我们的工作有助于自动化机器人设计。除了开发控制机器人运动的算法之外，我们还需要考虑这些机器人如何感知并与机器人的其他组件交互。如果未来应用于工业，影响可能是立竿见影的。