丽莎老师讲机器人之MIT制造出能像植物一样生长的机器人

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
在当今的工厂和仓库中，经常能够看到机器人在四处乱窜，将物品或工具从一个站点运送到另一个站点。在大多数情况下，机器人可以在各种路线中轻松导航。但是想要他们在狭窄的空间中来拿取物品，或在汽车的发动机上拧开油盖之类的任务是不可能的。
麻省理工学院的工程师开发出一种机器人，该机器人的设计目的是使链状附件延伸得足够灵活，以使其能够扭曲和转动其必要的配置，同时又具有足够的刚性以支撑重负载或施加扭矩，从而在狭窄的空间中组装零件。任务完成后，机器人可以收回附件，并以不同的长度和形状再次将其伸出以完成下一个任务。
设计灵感来自于植物的生长方式，其中涉及以流化形式将营养物输送到植物的顶端。在那里，它们被转化为固体材料，以一点一点地产生支撑茎。同样，机器人由一个“生长点”和变速箱组成，该变速箱将松动的互锁块链拉入盒子。然后，盒子中的齿轮将链条单元锁定在一起，并以刚性附件的形式逐个将链条送出。
研究人员在澳门举行的IEEE国际智能机器人与系统国际会议（IROS）上展示了以植物为灵感的“生长机器人”。他们设想可以将抓取器、摄像头和其他传感装置安装到机器人的变速箱上，从而使其能够穿过扭曲的空间来完成任务。
以更换车内的机油为例。打开发动机顶盖后，机械臂必须足够灵活以便左右转弯才能到达机油滤清器，然后必须足够坚固以扭转机油滤清器盖以将其卸下。现在我们有了一个可以潜在地完成这些任务的机器人，它可以生长，收缩和再次生长为不同的形状，以适应不同的任务。”
新机器人的设计是解决“最后一只脚问题”工作的一个分支，“最后一只脚问题”是指机器人和其探索性任务的最后一步。虽然机器人可能会花费大部分时间穿越开放空间，但任务的最后一步可能需要在更紧凑、更复杂的空间中进行更灵活的导航以完成任务。
工程师已经设计出各种概念和原型来解决“最后一只脚问题”，包括由柔软的气球状材料制成的机器人，这种材料像藤蔓一样生长，可以通过狭窄的缝隙挤压。但这种柔软的可扩展机器人不够坚固，无法支撑“末端执行器”或执行任务所需的附加组件，例如抓取器，照相机和其他传感器。解决方案实际上不是利用软性材料，而是巧妙地使用了刚性材料。”
一旦团队确定了植物生长的一般功能要素，他们便希望在可扩展的机器人中模仿一般意义上的植物生长。
研究人员设计了一个变速箱来代表机器人的“生长尖端”，就像植物的茎一样，随着更多的营养素流向该部位，尖端将产生更坚硬的茎。在盒子中，它们装有齿轮和电动机系统，该系统用于拉起软性材料，在这种情况下，弯曲的3D打印塑料单元序列相互连锁，类似于自行车链条。
当链条被送入盒子时，它绕绞盘转动，绞车通过第二组电机进行编程，该第二组电动机被编程为将链条中的某些单元锁定到其相邻单元，从而在将其从盒子中送出时形成刚性附件。
研究人员对机器人进行编程，将某些单元锁定在一起，而其他单元则保持解锁状态，以形成特定的形状，或在某些方向“生长”。研究人员对机器人进行编程，以使其绕着障碍物从其基座延伸或扩展时转过身。
链条的强度足以支撑一磅重的物体。如果将抓取器连接到机器人不断增长的尖端或变速箱上，则该机器人可能会长得足够长，能在狭窄的空间内蜿蜒而行，然后施加足够的扭矩来松开螺栓或松开盖子。

丽莎老师讲机器人之日本开发出能进行繁重劳动的机器人HRP-5P

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
日本国家先进工业科学技术研究院（AIST）研发了一个原型机器人HRP-5P，该机器人希望可以在人手短缺的情况下在建筑工地上工作。
HRP-5P机器人速度缓慢，但精度却惊人，它可以捡起一块石膏板并将其拧入墙壁，可用于在复杂的建筑环境中复制人类的动作，这预示着仿人机器人可以取代更多人类工作的未来。
作为一个182厘米，101公斤的人形机器人，HRP-5P采用HRP系列技术，采用了新的硬件技术。
其机器人智能包括环境测量和物体识别，全身运动规划和控制，任务描述和执行管理，以及高度可靠的系统化技术。在这个机构中安装智能已经使机器人能够安装自动石膏板，能胜任建筑工地上的繁重劳动。使用HRP-5P作为开发平台在工业界和学术界的合作中，有望加速研发人工机器人在建筑工地的实际应用以及飞机和轮船等大型结构的组装。
日本出生率下降导致建筑业和许多其他行业严重的劳动力短缺。使用机器人技术解决这个问题势在必行。这些技术还提供了一种令人信服的替代方案，使建筑工地，飞机设施或造船厂的建筑工人从事有潜在危险的繁重劳动。然而，很难使这些大型建筑工地适合机器人，而这些机器人不鼓励引入机器人。因为类人机器人在物理上与人类相似，所以他们可以在不需要改变环境的情况下工作，可能会减轻重工人员的负担。
在HRP系列的开发中，AIST与包括多家私营公司合作，开发了实用的基础技术。HRP-2能够进行双足行走，躺下，站立，在狭窄的小路上行走以及其他行动。HRP-3可以在光滑的路面上行走，并通过遥控器在桥梁上拧紧螺栓。
自2011年以来AIST正在进行的灾害响应人形机器人研究导致HRP-2的修订版本具有改进的物理能力（例如肢体长度，运动范围和关节输出），可以在崎岖的地形上行走，转动阀门，以及基于三维环境测量半自主地执行其他任务。
然而，它的物理能力仍然不足以满足重工，例如石膏板安装，它缺乏足够的自由度和足够的可移动接头范围来模拟复杂环境中的人体运动。为此，AIST继续开发人形机器人HRP-5P，其物理功能使其能够替代繁重劳动的人。此外，HRP-5P继承了HRP系列的技术，并利用本田汽车有限公司的专利技术。
HRP-5P的一部分开发得到了新能源和工业技术开发组织（NEDO）委托进行的研发支持，“在非自然人形机器人（自主人形机器人）中创造可以在非结构化环境中工作的高度可靠的人形机器人系统的研发”（创新元素）机器人技术领域）“下一代核心机器人技术的研发”，“日本科学促进会科学研究的补助金”，针对基于环境模型获取的全身运动规划类人机器人适应未知环境“。人形机器人原型HRP-5P采用坚固的机身和先进的智能技术开发，可自主工作并提供重型劳动力的替代来源。
这些技术的集成使得自动石膏板安装成为可能，其中HRP-5P独立地处理和承载模拟住宅建筑工地上的大型重物。
具体而言，这项工作涉及以下一系列操作。生成周围环境的三维地图，检测物体并接近工作台。靠在工作台上，滑动其中一个堆叠的石膏板将其分开，然后将其抬起。
在识别周围环境的同时，将石膏板搬到墙上。降低石膏板并将其靠在墙上。使用高精度AR标记识别并拾取工具。拿着水泥条使HRP-5P保持稳定，将石膏板拧入墙内。
利用该平台推广机器人智能研发，针对住宅或办公楼建筑工地的自主体力劳动的替代来源，以及飞机和轮船等大型结构的组装。这将弥补劳动力短缺，使人们免于繁重劳动，并帮助他们专注于更高附加值的工作。

丽莎老师讲机器人之日本东京的泡沫送货机器人

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
尽管我们已经看到了很多旨在将包裹运送到人们家中的机器人，但其中大多数机器人都受到房屋前路的阻碍。东京的（变形虫）开发了一种解决方案，采用履带式机器人的形式，该机器人使用软泡沫轻松爬上楼梯并越过其他障碍物。
变形虫的这种泡沫机器人，其特征是采用海绵状但耐用的EPDM（乙烯丙烯二烯单体）材料制成的类似卡特彼勒的履带。
“轨道本身是由柔软的材料制成的，因此它可以根据任何楼梯的形状自行变形，”“这有助于最大化接触表面，使其非常稳定。”
到目前为止，EPDM经受了五个月的测试和演示，几乎没有磨损。尽管机器人的马达、电池组和其他电子设备都很坚硬，但其主体也被柔软的泡沫覆盖。包括此功能是为了保护可能会靠近机器人的人，以防它摔倒。

亚马逊也在尝试创建一个最后一英里的送货机器人，但它不能真正地上下楼梯，因此仍然需要一个人从他们家门口捡起东西。” “我们相信，可以爬楼梯的柔软，人性化的机器人将是完成交付自动化的最后一部分。
变形虫现在正在研究一种自动商用的机器人，称为AE-01，该机器人将能够承载高达6千克（13磅）的有效载荷。

丽莎老师讲机器人之加州大学伯克利分校开发出室内机器人导航新框架

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
移动机器人应该能够有效地导航现实世界的环境，避免人类或周围环境的其他障碍，才能完成人类设计的任务。虽然静态对象通常很容易被机器人检测和规避，但是避免人类可能更具挑战性，因为这需要预测其未来的运动并相应地进行计划。
加州大学伯克利分校的研究人员最近开发了一种新的框架，该框架可以增强办公室，房屋或博物馆等室内环境中人类的机器人导航能力。他们的模型在arXiv上预先发表的一篇论文中提出，并在称为HumANav的真实感图像数据集上进行了训练。
提出了一种围绕人类导航的新颖框架，该框架将基于学习的感知与基于模型的最佳控制相结合。
这些研究人员开发的新框架被称为LB-WayPtNav-DH，它包含三个关键组件：感知，计划和控制模块。感知模块基于卷积神经网络（CNN），该神经网络经过训练可以使用监督学习将机器人的视觉输入映射到航路点（即下一个所需状态）。
然后，由CNN映射的航路点将被馈送到框架的计划和控制模块。这两个模块结合在一起，可确保机器人安全地移动到其目标位置，从而避免了周围环境中的障碍物和人员。

研究人员在他们被称为HumANav的数据集中包含的图像上训练了CNN。HumANav包含从另一个称为SURREAL的数据集改编而成的模拟建筑物环境的逼真的渲染图像，人类可以在该环境中四处走动。这些图像描绘了6000个行走的，有纹理的人体网格，按人体形状，性别和速度排列。
所提出的框架学会仅基于单眼RGB图像来预测和响应人们的运动，而无需明确预测未来的人类运动。
研究人员在模拟和现实世界中的一系列实验中评估了LB-WayPtNav-DH。在实际实验中，他们将其应用于Turtlebot 2，Turtlebot 2是一款带有开源软件的低成本移动机器人。研究人员报告说，机器人导航框架可以很好地推导出看不见的建筑物，从而在模拟和现实环境中有效规避人类。
实验表明，与单纯基于学习的方法相比，将基于模型的控制与学习相结合可以带来更好，更数据有效的导航行为。
新框架最终可以应用于各种移动机器人，从而增强其在室内环境中的导航能力。到目前为止，他们的方法表现出色，可以将模拟开发的策略转移到实际环境中。
在未来的研究中，研究人员计划在更加复杂或拥挤的环境的图像上训练他们的框架。想扩大他们编辑的训练数据集，比如更加多样化的图像。

丽莎老师讲机器人之基于深度学习的超分辨率算法

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
在我们平常看影视包括动画作品时，都能看到这样一个场景，在翻看监控录像的时候，有一个远处的细节看不清，于是就把这个区域不断放大，画面会变得越来越清楚。
其实像平常我们日常看到的监控像电影里放大的话，放的越大画面就会越来越模糊。远处看不清的地方放大了一样看不清，所以说影视作品里的放大监控画面有夸张的成分在里面。
虽然监控录像不能做到实时放大变清晰，但是并不是不能实现把低分辨率的图像变成高分辨率，利用超分辨率算法就可以做到，超分辨率算法是一种基于深度学习的图像处理算法，可以对低分辨率图像进行成倍数级的提升，将其转化为高分辨率图像。图像超分辨率重建是在相同的环境中能够利用很多不同的低分辨率图像共同作用从而再次构造出高分辨率图像，能够让图像变得越来越清楚。
这种技术不是将照片真实、清晰地放大，而是通过神经网络将它们以尽可能接近真实的对照片进行合成、放大。视频图像增强就是将观测到的低分辨率图像序列进行图像处理，以得到某一帧或整个序列的高分辨率图像。图像增强、图像复原都是从图像到图像的处理，即输入的原始数据是图像，处理后输出的也是图像。
利用机器不断地学习给定的训练图像集，来建立和被测试图像的联系，从而得出高分辨率的图像，基于学习的方法就是低分辨率的图像已经拥有充分的用于推理预测其所对应的高分辨率部分(例如边缘等)的信息，通过对一组同时包括高分辨率图像和低分辨率图像的训练集合的训练，学习到一个联合的系统模型。给人的视觉上觉得是分辨率的提高，但其实这不是信息的恢复，而是得出了一个可以接受的近似值，进行了一个补充。

图像增强技术就是基于深度学习技术，重新设计并提出自研的超分核心技术算法。可针对有损的视频场景、低分辨率视频流或视频文件进行实时放大、修复、复原，输出高分辨率、高清晰度视频，并经过神经网络的处理，有效修复编解码引入的图像错误，实现更优的超分效果，整体提升PSNR水平。对于老电影修复和优质内容分辨率提升有着显著的效果。
超分辨率算法可以在不升级成像系统硬件设备的前提下，从软件算法层面来满足市场在图像分辨率上日益增长的需求，在视频、遥感、医学和安全监控等领域具都有十分重要的应用,也逐步涉及到其它各个领域，降低成本，提高图像质量，相信图像超分辨率技术会有更广阔的前景。

丽莎老师讲机器人之哈佛超柔性机器人把水母握手心

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
近期哈佛大学的研究人员研发了一款十二面体的“折纸花瓣”柔性机械臂RAD，能够抵达人类无法到达的深海，捕捉海底世界的软体动物并将其完好无损地带回陆地，对深海探索有极大应用潜力。
绚烂多彩的海底世界，一直是科学家们积极探索的另一个神秘空间。那里有色彩斑斓的珊瑚，有纯净优雅的水母，有各种各样比人类存活要长很多很多的远古生物。
据科学家介绍，海底世界是地球上资源最广又开采最少的自然环境，而且至少还有100万种尚未挖掘的物种。而且许多未被发现的水生动物是凝胶状的，因此超级脆弱。传统的捕获技术，如网，通常会破坏这些生物。
该如何探索这神秘的海底世界呢？
海底危机四伏的环境并不适宜人类亲自抵达，而所借助的机器人大多又粗糙坚硬，没办法将古老的软体动物完好无损的带回陆地。
因此，开发一种柔软的机器人抓手，成为解决这一问题的出路。近期哈佛大学的研究人员就研发了这样一款柔软抓手，并把详细文章发表在了《Science Robotics》上。
这是一款以折纸为灵感的机器人抓手，缩写为RAD，它看上去像一个5瓣的花朵，当机器人抓手的5个花瓣关合时，从外形上看是一个中空的十二面体，能够在观察到猎物时迅速关合并且给猎物留下足够的空间。
机器人的5个花瓣完全相同，是通过3D打印的聚合物，这种材料质地柔软耐用。花瓣们被连接到一系列的旋转接头上，这些旋转这头连载一起形成支架。
这个抓手最神奇的地方，是受到折纸的启发，机器人的5个花瓣附着在一系列的旋转接头上，仅需要一个电机就能让整个结构围绕其关节旋转，将抓手折叠成中孔的12面体。而且研究人员尝试了集中不同的形状，但这种12面版的效果最好。
目前这款机器人抓手已经在水族馆内进行了测试，它能够成功捕获并释放柔软的水母，而不对它造成任何伤害。
而且，这款机器人抓手还被安装在了一款水下机器人机体上，并成功潜入700米海底警醒了深度测试。在远程测试中它也成功捕获并释放了鱿鱼、章鱼和水母等标本。
不仅适合深海，也适合太空中使用
这款机械手的研发兼文章的第一作者表示，RAD采样器设计非常适合深海环境，因为它的控制非常简单，因此可以使元素更少。它也是模块化的，所以如果有什么东西坏了，我们可以简单地更换部件并将采样器送回水中，而且这种折叠设计也非常适合在太空中使用。
研究人员正在开发一种更耐用，更坚固的RAD版本，用于更复杂的水下任务，如海洋地质甚至建筑项目。未来，RAD还可以配备内置摄像头，触摸传感器甚至DNA测序技术。因此，除了捕捉海洋生物之外，RAD最终还是能够在该领域进行自己的研究。
有意思的是，关于这种设备，就连国家地理杂志也在网站上刊登并且大篇幅报道了，可想而知，这种设备的对于探测海底世界意义还是深远的。

丽莎老师讲机器人之围棋网赛作弊争议不断，职业棋手被虐到怀疑人生

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
　　随着网络的发展，围棋线上比赛多了起来，但随之而来的“疑似作弊”问题也越发尖锐。一位棋手因为在网赛中疑似遭遇作弊，心灰意冷选择退赛，并感叹“人工智能的出现对围棋弊大于利”。
　　AlphaGo虽然退役了，但前后两篇论文让围棋人工智能的整体水平大大提高。中国的绝艺、星阵，大众版的丽拉围棋，还有韩国日本的不少软件都达到了远胜于人类顶尖高手的水平。近两年在网络对弈中使用人工智能程序下棋的大有人在，这种行为又被称为“遛狗”。
　　显然“遛狗”在网络对局中是属于作弊行为，网络比赛自然是明令禁止，但由于种种原因，现在似乎有愈演愈烈的泛滥趋势……
　　最近棋圈流行一个段子，但是很可能是根据事实改编的：选手甲举报选手乙比赛中“遛狗”，而且理由非常冲分，因为选手甲自己全程就是用的人工智能在下，而乙最后居然把甲赢了，所以乙肯定也是用了软件！甲要求组委会判这盘棋“双负”，即双方都犯规，都不得分。最后的处理方式结果是：甲和乙都被取消了参赛资格。
　　“遛狗”的目的？
　　网络比赛既然是比赛，就有名次和奖励，为了这些利益冒一次险，用人工智能搏一把，反正是输也是没有名次，就算被查出来也不过还是没有名次。
　　有些比赛虽然没什么奖励，但是上网下棋为了什么，高兴痛快，用软件“虐菜”和自己“虐菜”的结果都是一样的。其实这两年开始网络对弈的味道就有些变了，输了棋就怀疑对方“遛狗”，而且那些遛狗赢棋的人，不以为耻，反以自己“懂”人工智能而沾沾自喜，甚至到处宣扬。
　　象棋第一人王天一之前做象棋直播，到网上下棋，几乎一盘棋都赢不了，因为“对手”都是软件。长此以往，象棋线上对弈的今天可能是围棋线上对弈的明天了吧，没有人，只有“狗”。
　　如何判断作弊？
　　既然有人作弊，那裁判在干什么？裁判在忙着鉴定是否作弊……

　　由于是线上比赛，尤其是很多人参加的业余比赛，不可能到线下监督棋手，只能通过棋谱来判断棋手是否有作弊嫌疑。
　　目前比较主流的裁判方式是：一方面看棋谱与当前主要几款围棋人工智能的重合度，一方面看棋手以往的战绩和实力，综合两方面的情况来判断。但这样显然不能100%确认是否“遛狗”，疑似作弊者自然也不服气。而且这种裁判方式很耗时间和人力，往往一盘棋的还没判定，后面比赛好几轮已经下完了。
　　更难以界定的是，对很多高手来说，不用每一步都看人工智能的支招，甚至只要告诉他们个胜率判断情况，心理就知道该怎么选择怎么下了，这种肯定也算作弊，但怎么查？
　　最近进行的围甲网络热身赛都在规程上特别注明：严禁使用AI。一线的职业棋手们有职业操守来约束，但其他的比赛的棋手们恐怕就不那么自觉了。
　　一位职业棋手参加了一个网络赛事，本来实力偏上的他7轮2胜5败，而且棋输得没有什么脾气，心灰意冷之下选择退赛，退出网络围棋，甚至给出了“人工智能对围棋弊大于利”的感叹。
　　输赢是小 诚信为大
　　还有很多网络比赛作弊还发生在小棋手身上，有的甚至是家长主使；还有的小朋友比赛只要棋输了，家长就认为对手用了AI；这些风气都非常不好，围棋本是修身养性，洁身自好的项目，为了一时胜负，丢了诚与信，没了平常心，得不偿失。
　　如今之计，第一是明确规则，重罚作弊者。参考很多网络游戏，作弊者是要封号甚至封IP的，线上围棋比赛也应如此。第二，比赛方式改变，除了对弈，增加一些其他方式的比拼，例如知识问答，例如死活题。第三，增加抽查机制，现在是民不举官不究，不能让作弊者有对手不懂的侥幸心理。

丽莎老师讲机器人之MIT让机器人通过感知开始触摸世界

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
麻省理工学院的研究人员首次通过仅利用来自其“感测”皮肤的运动和位置数据，使软机械臂能够了解其在3D空间中的配置，这或许是未来机械臂的又一次变革。
这个由柔性极高的材料（（类似于在生物体内发现的材料））制作而成的软机器人，也受到目前机器人向着更安全方向的思路影响，比传统刚性机器人的更安全，更柔性，更具弹性和适应性，以及具备生物特性的新一代机器人全新替代品。
但是难点同样存在！例如对这些可变形机器人进行自主控制就是一项艰巨的任务，因为这些新软体机器人可以在任何给定时刻沿几乎无限个方向移动，这使得研究人员很难通过编程或者示教，训练用于驱动自动化设备的规划和控制模型。
原先，实现自主控制的传统方法（控制系统）是使用具有多个运动捕捉相机的大型视觉系统，该系统能为机器人提供有关3D运动和位置的反馈。但是，目前对于实际应用中的这个新软体机器人而言，这是不切实际的。
这是一种配套软体传感器系统，该系统覆盖机器人的身体，以提供“本体感觉”，即感知其身体的运动和位置。该反馈会进入一种新颖的深度学习模型，该模型可筛选出噪声并捕获清晰的信号，以计算机器人的3D位置。研究人员在这个看起来类似于橡树干的软机器人手臂上验证了他们的系统，让该机器人手臂可以自动摆动和伸展，并可以预测自己的空间位置。
这些研究人员的软传感器是将导电硅胶片切成折纸形状，使它们具有“压阻”特性，这意味着它们在应变时会改变电阻。当传感器响应机械臂的拉伸和压缩而变形时，其电阻将转换为输出电压，然后将其用作与该运动相关的信号。
该传感器可以使用人类现成的材料制造，这意味着今后任何实验室都可以开发自己的系统。
研究人员正在感测软机器人特性，使其从传感器（而不是视觉系统）获取反馈以进行控制，而不是和原先一样通过视觉系统进行控制。” “例如，想使用这些柔软的机器人树干来自动定向和控制自己，捡拾东西并与世界互动。向更复杂的自动化控制迈出的第一步。”
未来的目标之一是帮助制造出可以更加灵巧地处理和操纵环境中物体的人造肢体。“想想人类自己的身体：您可以闭上眼睛，根据皮肤的反馈来了解世界。” “希望为软机器人设计相同的功能。”
完全集成的人体传感器是软机器人技术的长期目标。传统的刚性传感器会损害软机器人的自然柔韧性，使其设计和制造复杂化，并可能导致各种机械故障。因此，基于软材料的传感器是一种更合适的替代方案，但是其设计需要专门的材料和程序运行方法，这使得许多机器人实验室难以在软机器人中制造和集成它们。
在CSAIL实验室工作期间，寻找传感器材料的灵感时，研究人员和这些新材料建立了有趣的联系。发现这些用于电磁干扰屏蔽的导电材料薄片可以在任何地方成卷购买。” 这些材料具有“压阻”特性，这意味着它们在应变时会改变电阻。如果将它们放在运动物体上的某些位置，它们可以制成有效的软传感器。当传感器响应于躯干的拉伸和压缩而变形时，能其电阻将转换为特定的输出电压，然后将该电压用作与该运动相关的信号。
但是这种材料的伸缩性不高，这将限制其在软机器人中的使用。受折纸的启发，对材料进行切割的启发，设计并用激光切割了矩形的导电硅胶片，将其切割成各种图案，例如成排的小孔或类似链节围栏的交叉切片。这使它们更加灵活，可拉伸，而且“看起来漂亮”。
研究人员设计的机器人躯干包括三个部分，每个部分带有四个用于移动手臂的流体致动器（总共12个）。他们在每个段上融合了一个传感器，每个传感器覆盖并收集了来自软机器人中一个嵌入式执行器的数据。他们使用了“等离子键合”技术，该技术可以使一种材料的表面通电，使其与另一种材料键合。大约需要几个小时才能成型出数十个传感器，这些传感器可以使用手持式等离子结合设备结合到软机器人上。
如假设的那样，在实验中他们将传感器安在了一个行李箱上，传感器确实捕获了行李箱的总体运动。但是他们真的很吵。“从本质上讲，按我们传统的观念来看，它们在许多方面都是非理想的传感器，因为噪音是工业上非常讨厌的事。”但这只是用软导电材料制造传感器的普遍事实。性能更高且更可靠的传感器需要大多数机器人实验室所没有的专用工具制造。”
于是，为了仅使用传感器来估算软机器人的配置，研究人员建立了一个深度神经网络，通过筛查噪声以捕获有意义的反馈信号来完成大部分繁重的工作。研究人员开发了一种新模型，以运动学方式描述了软机器人的形状，从而大大减少了处理模型所需的变量数量。
在对比实验中，研究人员让软机器人的躯干摆动，并以随机配置将自己延伸大约一个半小时，他们使用传统的运动捕捉系统获取地面真实数据，同时在训练中，该模型也自主分析了来自其传感器的数据以预测配置，并将其预测与同时收集的地面真实数据进行比较。这样，模型“学习”以将信号模式从其传感器映射到实际配置。结果表明，对于某些更稳定的配置，机器人的传感器估计形状与地面真实情况相符。

接下来，研究人员旨在探索新的传感器设计以提高灵敏度，并开发新的模型和深度学习方法，以减少每台新的软机器人所需的训练时间和流程。他们还希望完善系统，以更好地捕获机器人的完整动态运动。
当前，该软机器人神经网络和传感器皮肤对捕捉细微运动或动态运动不敏感。但是，对于目前基于学习的软机器人控制方法而言，这是重要的第一步“像我们的软机器人一样，人类的生活系统也不一定是完全精确的，因此，与我们人类相比，机器人一开始也不是精确的机器，做一个看起来不那么精准的机器人，我们无疑做得很好。”

丽莎老师讲机器人之用于机器人的各类传感器

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

传感器是机器人的关键组件，没有传感器，很多复杂的操作就不能实现。
机器人主要用到哪些传感器？
1、二维视觉传感器
二维视觉是一个可以执行从检测运动物体到传输带上的零件定位等多种任务的摄像头。许多智能相机都可以检测零件并协助机器人确定零件的位置，机器人可以根据接收到的信息适当调整其动作。
2、三维视觉传感器
三维视觉系统必须拥有两个不同角度的摄像机或激光扫描器，用以检测对象的第三维度。例如，零件取放便是利用三维视觉技术检测物体并创建三维图像，分析并选择最好的拾取方式。
3、力/力矩传感器
如果说视觉传感器给了机器人眼睛，那么力/力矩传感器则给机器人带去了触觉。机器人利用力/力矩传感器感知末端执行器的力度。多数情况下，力/力矩传感器位于机器人和夹具之间，这样，所有反馈到夹具上的力都在机器人的监控之中。有了力/力矩传感器，装配、人工引导、示教、力度限制等应用才得以实现。
 4、碰撞检测传感器
这种传感器有各种不同的形式，其主要应用是为作业人员提供一个安全的工作环境，协作机器人最需要它们。一些传感器可以是某种触觉识别系统，通过柔软的表面感知压力，给机器人发送信号，限制或停止机器人的运动。
一些传感器还可以直接内置在机器人中。有些公司利用加速度计反馈，还有些则使用电流反馈。在这两种情况下，当机器人感知到异常的力度时，便触发紧急停止，从而确保安全。
要想让机器人与人进行协作，首先要找出可以保证作业人员安全的方法。这些传感器有各种形式，从摄像头到激光等，目的是告诉机器人周围的状况。有些安全系统可以设置成当有人出现在特定的区域/空间时，机器人会自动减速运行，如果人员继续靠近，机器人则会停止工作。最简单的例子是电梯门上的激光安全传感器。当激光检测到障碍物时，电梯门会立即停止并退回，以避免碰撞。
5、触觉传感器
触觉传感器也越来越受欢迎。这类传感器一般安装在抓手上，用来检测和感觉抓取的物体是什么。传感器通常能够检测力度并得出力度分布的情况，从而知道对象的确切位置，让你可以控制抓取的位置和末端执行器的抓取力度。另外还有一些触觉传感器可以检测热量的变化。
6、视觉和接近传感器
视觉和接近传感器类似于自动驾驶车辆所需的传感器，包括摄像头、红外线、声纳、超声波、雷达和激光雷达。某些情况下可以使用多个摄像头，尤其是立体视觉。将这些传感器组合起来使用，机器人便可以确定尺寸，识别物体，并确定其距离。
7、射频识别（RFID）传感器
射频识别（RFID）传感器可以提供识别码并允许得到许可的机器人获取其他信息。
8、麦克风（声学传感器）
麦克风（声学传感器）帮助工业机器人接收语音命令并识别熟悉环境中的异常声音。如果加上压电传感器，还可以识别并消除振动引起的噪声，避免机器人错误理解语音命令。先进的算法甚至可以让机器人了说话者的情绪。
9、温度传感器
温度传感器是机器人自我诊断的一部分，可用于确定其周遭的环境，避免潜在的有害热源。利用化学、光学和颜色传感器，机器人能够评估、调整和检测其环境中存在的问题。
10、自由度传感器
对于可以走路、跑步甚至跳舞的人形机器人，稳定性是一个主要问题。它们需要与智能手机相同类型的传感器，以便提供机器人的准确位置数据。在这些应用采用了具有3轴加速度计、3轴陀螺仪和3轴磁力计的9自由度（9DOF）传感器或惯性测量单元（IMU）。
避障传感器
移动机器人需要通过传感器实时获取周围的障碍物信息，包括尺寸、形状和位置信息，来实现避障。避障使用的传感器有很多种，目前常见的有视觉传感器、激光传感器、红外传感器、超声波传感器等。
11超声波传感器
超声波传感器的基本原理是测量超声波的飞行时间，通过测量距离，根据声速，计算出飞行时间。
由于超声传感器成本低、实现方法简单、技术成熟，是移动机器人中常用的传感器。
12)红外传感器
一般的红外测距都是采用三角测距的原理。红外发射器按照一定角度发射红外光束，遇到物体之后，光会反向回来，检测到反射光之后，通过结构上的几何三角关系，就可以计算出物体距离。
对于透明的或者近似黑体的物体，红外传感器是无法检测距离的。但相对于超声来说，红外传感器具有更高的带宽。
13)激光传感器
常见的激光雷达是基于飞行时间的（ToF，time of flight），通过测量激光的飞行时间来测距d=ct/2，类似前面提到的超声测距公式，其中d是距离，c是光速，t是从发射到接收的时间间隔。
比较简单的方案是测量反射光的相移，传感器以已知的频率发射一定幅度的调制光，并测量发射和反向信号之间的相移
14)视觉传感器
常用的计算机视觉方案也有很多种， 比如双目视觉，基于TOF的深度相机，基于结构光的深度相机等。
基于结构光的深度相机发射出的光会生成相对随机但又固定的斑点图样，光斑打在物体上，因为与摄像头距离不同，被摄像头捕捉到的位置也不相同。先计算斑点与标定的标准图案在不同位置的偏移，利用摄像头位置、传感器大小等参数就可以计算出物体与摄像头的距离。
双目视觉的测距本质上也是三角测距法，由于两个摄像头的位置不同，就像人的两只眼睛一样，看到的物体也不一样。两个摄像头看到的同一个点P，在成像的时候会有不同的像素位置，此时通过三角测距就可以测出这个点的距离

丽莎老师讲机器人之验毒的不再是动物而是AI

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
最近，一项来自《毒理科学》杂志的研究表明，通过一种新的机器学习系统，利用动物测试毒性的历史很可能将被改写。动物实验，至少是动物测试毒性实验将有可能被计算机代替。
该研究团队从2014年就开始进行数据积累，最终收集了1万种化学物质。然后利用AI系统对数据库中的化学物质进行了86万次的测试，其绘制了分子结构与特定毒性类型之间以往并未被获知的关系，比如其可能对眼睛、皮肤或DNA造成的影响。
具体操作上来说，研究人员对不同化学性质和毒理性质的物质进行分组，然后以组内某一物质的毒性为参照，推测其他物质的毒性。再与这些其他物质在数据库中的已知毒性进行比照，得出计算机预测的结果。
最终结果显示，利用计算机测试得到的毒性准确率为87%，而使用动物再次进行测试的正确率则为81%。也就是说，在毒性测试方面，AI已经完胜动物。单单基于这个数据，AI就已经可以实现对动物的替代。
当然，现在就说替代的事儿未免有点太早，尤其是替代动物实验。
比如数据问题。仅仅是做这样一个简单的毒性测试，研究团队就花了四年的时间去进行数据积累和实验分析。不难想象，如果是做更多种类的毒性测试、难度更高的疾病药物研究，其需要搜集的数据也必然只会多不会少。那么，如何建立这样一个庞大的数据库，同时把控建设的时间，将可能是一个以十年为单位的工程。
另一方面，动物本身也有一些计算机难以比拟的优势。计算机是在已知数据的基础上工作，而动物则可能会在实验的过程中出现一些未知的、可能是意外收获的情况。比如很多物理或者生物科学发现，都源自一场意外。那么，计算机是否会被固定的程式束缚，是否也能有可能发生在动物身上的一些神奇表现呢？
可能，这也需要另外设计一个计算机模拟系统吧。
生物实验的主角与配角
诚然，这仅仅是计算机在生物实验领域的一小步。而这一小步，也让我们看到了其在生物实验方面带来的积极意义。
3R原则的强化与弱化。3R原则的提出，基于的是尊重动物生命的理念。三者之中，如果做到了“replacement”，后两条也就没有存在的条件了。计算机正是强化“替代”的重要因素。如果能够用计算机模拟分析代替动物耐受实验，数量可观的动物将被替代，动物的天然生存权利也将得到保障，后两个“R”的关注也可能被弱化。
生物医药研究的成本大大降低。一方面，摆脱了养殖、管理动物的繁杂事务，一套计算机系统就可以适应所有的实验，也就免去了生物养殖成本。相较之下，计算机维护的成本则要低得多。另一方面，计算机得出的实验结论的速度要比观察动物的自然反应快很多，时间上的成本也将大大降低，同时还提高了实验效率。比如很多数据都是已经经过实验得出的，但在新的实验中由于各种原因仍然会重复进行，造成资源和时间的浪费。
实验的准确性大大提高。基于巨大而丰富的数据库，计算机可以对数据资源进行大量的组合调配，从而得出最优结论。这是动物实验所难以企及的。以几只小白鼠的反应来作为结果依据和以上万次甚至更多的组合分析作为结果依据，其精确度自是不能同日而语。
但从现实而言，动物毕竟在某些方面和人类是最接近的，比如小白鼠被证明和人类有极为相似的基因序列。而依照目前的计算机发展水平，还很难对实现完全的技术模拟。从这个角度上说，即便在计算机进行生物实验技术成熟担任主角的情况下，动物实体作为配角进行实验可能仍然是无法缺席的。而我们要做的，就是让动物承担更少的牺牲和痛苦。这既是技术进步的必然选择，也是道德伦理的热切期盼。