丽莎老师讲机器人之机器人了解人类的意图后会叠衣服整理桌子？

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。
机器人专家正在开发可以通过观察人类来学习新任务的自动化机器人。在未来，培训交互式机器人可能一天对每个人来说都是一件容易的事，即使那些没有编程专业知识的人也是如此。这可以实现在家里，您可能有一天会向家用机器人展示如何做日常杂务，在工作场所中，您可以像新员工一样训练机器人，向他们展示如何执行许多职责，到那时，机器人会掌握更多的技能。
为了实现这一愿景，麻省理工学院的研究人员设计了一个系统，使这些类型的机器人可以学习复杂的任务，原先，按照机器人编程思维，这些日常任务就会用太多令人困惑的规则来阻碍它们，而自己人的自我学习则可以避开他们。这样的系统最后任务之一是在某些条件下为人设置餐桌。
研究人员的这项系统的核心是“不确定规格计划”（PUnS）系统，该机器人具有人性化的计划能力，可以同时权衡许多模棱两可（甚至可能相互矛盾）的要求，以达到最终目标。这样做时，系统总是根据关于要执行的任务的一些可能允许的“条件”，从而选择最可能采取的措施。
在他们的工作中，研究人员汇编了一个数据集，其中包含有关如何将八种物体（杯子，杯子，勺子，叉子，刀，餐盘，小盘子和碗）以各种配置放置在桌子上的信息。机械手臂首先观察到随机选择的人类摆放桌子的演示。然后，研究人员要求该部门根据所看到的内容，以特定的配置，在实际实验和仿真中自动设置路径。
为了获得成功，研究人员尝试了更多可能性，但即使研究人员故意移除，堆叠或隐藏物品，机器人也可以权衡许多可能的放置顺序。在通常，所有这些都会使机器人过于困惑。但是研究人员的机器人在几个真实的实验中没有犯任何错误，而在成千上万的模拟测试运行中只有少数错误。
“我们的愿景是将编程交给领域专家，他们可以通过直观的方式对机器人进行编程，而不是向工程师描述要添加代码的工程师的指令，”工作只是实现这一愿景的第一步。“这样一来，机器人将不再需要执行预先编程的任务。工厂工人可以教机器人执行多个复杂的组装任务。家用机器人可以学习如何在家里堆放橱柜，装载洗碗机或摆放桌子。”
不确定的意图
机器人是具有明确“目的”的任务的良好计划者，但这项系统可以帮助他们描述机器人需要完成的任务，并考虑其动作，环境和最终目标。原先通过观察示范来学习摆桌子，充满了不确定的可能性，因为机器人必须根据菜单和客人的座位将物品放置在某些位置，并根据物品的即时可用性或社交惯例将它们放置在某些顺序中。而当前的机器人规划方法无法处理这种不确定的规范。
在目前，一种流行的计划方法是“强化学习”，一种反复试验的机器学习技术，奖励和惩罚他们在完成任务时所采取的行动。但是对于不确定规格的任务，很难定义明确的奖励和惩罚。简而言之，机器人永远不会从对与错中全面学习。
研究人员的系统称为PUnS（用于不确定规格的计划），使机器人能够在一系列可能的规格上保持“信念”。然后可以使用信念本身来分配奖励和惩罚。
“机器人本质上是根据任务的意图或想法来决定行为，并采取符合其想法的行动，而不是我们给出明确的要求。”
该系统建立在“线性时间逻辑”（LTL）之上，该语言是一种表达性语言，可以使机器人对当前和未来的结果进行推理。研究人员在LTL中定义了模板，这些模板对各种基于时间的条件进行了建模，例如现在必须发生的事情，必须最终发生的事情以及必须发生直到发生其他事情为止。机器人对30个人演示设置表的观察产生了25种不同LTL公式的概率分布。每个公式都为设置表格编码了略有不同的首选项或规范。这种概率分布成为其想法（信念）。
“每个公式都编码不同的东西，但是当机器人考虑所有模板的各种组合，并试图使所有东西都满足时，它最终将做正确的事情，” 
遵循标准
研究人员还制定了一些标准，指导机器人满足对这些候选公式的全部信念。例如，一个满足最可能的公式，该公式以最高的概率丢弃除模板之外的所有其他内容。其他人满足最大数量的唯一公式，而不考虑其总概率，或者满足代表最高总概率的几个公式。另一个简单地将误差最小化，因此系统会忽略失败概率很高的公式。
设计人员可以在训练和测试之前选择四个标准中的任何一个进行预设。每个人在灵活性和规避风险之间都有自己的权衡。标准的选择完全取决于任务。例如，在安全关键的情况下，设计人员可以选择限制故障的可能性。但是在失败后果不那么严重的情况下，设计人员可以选择赋予机器人更大的灵活性，以尝试不同的方法。
有了适当的标准，研究人员开发了一种算法，将机器人的信念（指向所需公式的概率分布）转换为等效的强化学习问题。该模型将根据决定遵循的规范，对执行的动作给予奖励或惩罚来对机器人进行ping操作。
在模拟中要求机器人将工作台设置为不同的配置时，在20,000次尝试中，它仅犯了6个错误。在现实世界中的演示中，它显示出类似于人类执行任务的行为。例如，如果某个项目最初不可见，则机器人将完成不包含该项目的表格的其余部分的设置。然后，当叉子被露出时，它将把叉子放在适当的位置。沙阿说：“灵活性非常重要。” “否则，当它期望放置叉子而不完成剩余的桌子设置时，它将卡住。”
接下来，研究人员希望修改系统，以帮助机器人根据口头指示，更正或用户对机器人性能的评估来改变其行为。沙阿说：“假设一个人向机器人演示了如何在一个位置摆放桌子。这个人可能会说，'对所有其他位置都做同样的事情'，或者'将刀子放在这里的叉子之前，” 。“我们希望为系统开发方法，使其自然适应这些口头命令，而无需进行其他演示。”

丽莎老师讲机器人之九大人工智能营销趋势

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。
在市场营销中使用人工智能让代理专业人士们的生活在许多方面都变得更加轻松。聊天机器人可以针对消费者给出合适的响应，或者基于语音进行搜索，拥有这样的聊天机器人有助于有效管理与品牌互动的用户数量。
在未来一年中，我们可能会在人工智能方面看到一些创新。而且，我们还会看到一些我们已经在使用的人工智能系统出现改进。在2020年，人工智能市场营销的趋势预计将对代理开展业务的方式产生重大影响。
 2020年营销领域可能爆发哪些人工智能趋势。
1. 购买者资料分析

人工智能现在可以推动客户细分、通知推送、点击跟踪、重新定位和内容创建。营销人员正在利用人工智能获取产品和广告方面的建议。他们还将能够利用人工智能，对用户的行为进行资料分析。而且，在2020年，市场营销人员将继续使用人工智能以改善客户服务。
2. 利用人工智能提供的洞察力留住客户并提高他们的忠诚度
对于市场营销人员来说，人工智能带来了一个明确而巨大的机会，让他们可以创造价值——这就是保留客户并提高客户忠诚度。对于零售商和制造商而言，如果他们拥有直接面向消费者的平台，并且有强大的客户关系管理程序，情况就更加如此——这些程序可以结合多个来源的数据，并在此基础上产生有意义的见解，从而了解如何让客户回购。
3. 实时管理所有渠道的客户互动
对于市场营销和零售营销来说，人工智能带来的最令人兴奋的可能性之一就是它能够实时管理所有渠道上的客户互动。很多时候，品牌成败的关键在于他们是否能够在响应客户反馈的时候调整自己的策略。对于那些愿意倾听客户心声的品牌，人工智能可以提供有意义的客户数据宝库。
4. 实时营销
许多有趣的趋势正在出现，但实时营销似乎将在2020年成为现实。收集和分析客户数据已经能够帮助营销人员准确地了解客户的行为。我认为，人工智能将越来越多地被当成一种工具，来提升效果，并在合适的时间向合适的客户传递经过完美定制的信息。
5. 语音优先搜索
随着Siri和Cortana等人工智能语音套件的不断发展，我们会步入语音优先搜索查询的快速通道也就不足为奇了。考虑到这一点，在2020年，营销人员需要围绕消费者所说的内容和SEO策略来抓住这一趋势，以对话性短语——例如“您如何在家制作披萨？”代替“披萨食谱”。
6. 自动化和广告定位工具
在2019年，营销自动化已经成为企业的流行语。现在，越来越多的初创公司在细分市场中冒出来，2020年仍将如此。结合先进的广告定位工具，可以有效地定位目标受众，并大幅度地节省公司预算，人工智能将继续在市场营销和商业领域占据统治地位。
7. 个性化的方法
在客户参与方面，时机就是一切。根据我们最近的研究，有65％的消费者期望在五年之内，能够在特定时刻收到针对他们量身定制营销电子邮件。这告诉我们，发送时间优化（STO），使用历史数据向最有可能参与的个人发送数字消息，这些做法将在2020年产生更大的影响。
8. 制定内容策略
尽管很有创造力，但是作家们经常会发现制定内容策略非常耗时费力，特别是根据数据制定策略更是如此。和个人相比，功能强大的工具能够更快地根据实际结果制定策略。内容太多了，创建更多内容的时间又很有限，这对于市场营销非常重要。
9. 品牌关联和推介
通过人工智能进行的品牌关联和推荐将会引起关注。随着聊天机器人和语音助手变得越来越复杂，对需求的预期和对行为的理解将为数字营销人员和消费者提供更多机会。它将不再是“如果您喜欢……”，而是“您是否考虑过……”。

丽莎老师讲机器人之美国防部研制毫米级救灾机器人

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。
现有的微型机器人平台大多依赖缆索进行驱动、处理和控制，受到低能效驱动技术和电池技术的限制。“虾米”项目将在10赫兹级别的驱动装置和高密度电池技术上寻求突破性变革。
在地震这样的大型自然灾害中，迷你机器人能派上大用场。毕竟，较大的机器人能帮人类搬开断瓦残垣，却无法在缝隙间寻找生命的迹象。
美国国防部下属的神秘科技组织DARPA（美国国防高级研究计划署）近日宣布启动代号为“虾米”（SHRIMP，全称为短程独立微型机器人平台）的项目，为自然和紧急灾难场景开发毫米级机器人。这不仅能增强搜救能力，也能帮助评估废墟的危险程度，提高灾后重建的效率和安全性。
有趣的是，“虾米”项目最终的验收方式将是一场“迷你奥运会”。

得益于微机电系统、增材制造、压电传动器和低能传感器方面的进步，科学家们将机器人的规模不断缩小，随之而来的是驱动技术和储能技术上的阻碍。这也将是DARPA在“虾米”项目中重点攻关的方向。
将在驱动材料和机制上创新，将强度重量比和工作密度最大化。强度重量比涉及机器人的负荷能力和耐力，而工作密度则关系到机器人在高强度、高时长运作中的表现。
此外，现有的微型机器人平台大多依赖缆索进行驱动、处理和控制，受到低能效驱动技术和电池技术的限制。“虾米”项目将在10赫兹级别的驱动装置和高密度电池技术上寻求突破性变革。
“虾米”项目提供的总经费为3200万美元，最早将在2019年3月进行“奥林匹克式”的评估。为了考验机器人的野外实战能力，参赛队伍被要求完成一系列测试，以展现机器人平台的移动能力、平面和斜面上的操纵性能、负荷能力和速度。DARPA希望参赛机器人的体重不超过1克，体积不超过1立方厘米。
迷你机器人奥运会的项目将包括跳高、跳远、举重、推铅球、拔河、堆叠石块、障碍赛跑和垂直爬升等、
“毫米级机器人平台是发展高效率、多功能微电子技术的绝佳场景，”“尽管‘虾米’的目标是小型独立机器人平台，我们的驱动和储能研究将帮助一些同样受到技术限制的领域，比如义肢和光学操纵。”
这种“未来主义”、“超前研究”是DARPA参与项目的核心理念之一。作为美国国防部下属的神秘组织，DARPA一直大手笔地资助那些可能在“未来战争”中增强国防能力的科技，由此催生出许多革命性突破。世人所熟知的互联网、半导体、全球定位系统（GPS）、隐形战机、激光器、战略性无人机等重大科技成果背后，都离不开DARPA的资助。而人工智能、脑机接口等现在热门的新兴技术，在发展的最早期阶段就能发现DARPA的影子。

丽莎老师讲机器人之MIT研发自供电微型机器人

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。
美国麻省理工学院继前不久刚研发的第三代猎豹盲眼机器人后，又开发出了一种和人类细胞大小相当的自供电机器人（永动）。这款机器人的组成部分有2D电子线路和微型胶质粒子（长度大约10亿分之一到100万分之一米），大小与人类卵细胞相当 。
除电子线路跟胶质粒子以外，这种新型机器人也搭载了符合半导体光电二极管，因此不需要电池就可自供电运转。据悉，二极管可以将光线转化成少量的电荷，足够驱动机器人身上搭载的环境传感器和内置存储系统。同时机器人身上还搭载了反光镜，帮助人们识别它的方位。
那么这款小机器人有哪些应用呢？MIT的科研人员计划将这种机器人用于探测环境，例如进入人体肠道和输油管进行探测。与其他种类的微型机器人不同，这款机器人并没有模仿微生物加入鞭毛，相对于移动性，它更侧重于顺流而下实现永动，因此活动范围更广。
使用在叶子上并用激光扫描反光镜
MIT的科研人员表示，这款机器人体积很小，可以混入液体甚至空气中，而开发这款它的目的是为了今后使用机器人分析人类消化系统、石油管道甚至测量化学处理器或冶炼厂中化合物含量等的发展方向打基础。
基本流程是将机器人从一头送进去，从另一头取出，不管是什么系统，都可应用。探测完毕后，用户就可以从传感器下载搜集到的信息并进行分析

丽莎老师讲机器人之NASA向外界求助：设计月球挖掘机器人的收集桶

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。
近日美国宇航局（NASA）向外界发出求助，帮其设计RASSOR（风化层先进表面系统操作）机器人其中一个非常重要的组成部分——收集桶。
由于月球的低重力，使从月球表面收集物质变得更加复杂，而且人们发送到月球的东西必须足够轻才能被搭载在火箭上飞行，所以，大型笨重的机器人很容易受到牵引并挖掘其“心脏”的内容，但是这种硬件无法可靠地传递到月球表面。
而NASA则需要一台轻巧的机器，这就意味着要开发新的解决方案，即RASSOR必须能够在不重的情况下进行牵引和挖掘。
“有了RASSOR，我们不再依赖于机器人的牵引力或重量。”“可以使用真正轻巧的机器人在月球或火星上进行挖掘。 RASSOR是发掘和运输的一体设备，但我们希望对它的设计进行改进。”
机器人的铲斗鼓将挖掘物料，然后将其输送到其他位置。这个过程必须尽可能高效，这也是NASA现在征求建议的原因。而RASSOR当前的铲斗鼓是位于机器人任一端的空心圆柱体，铲子围绕圆柱体的圆周。机器人在相对的一端朝另一端挖掘，这平衡了挖掘力并使挖掘更加容易。
为了使挖掘机器人可以做得更好，NASA的RASSOR桶式鼓设计挑战赛现目前已开始接受报名。该机构正在寻求能够满足NASA要求的新设计的3D模型，其中包括能够将桶倒空至少50％的能力

丽莎老师讲机器人之谷歌新算法让机器人自己学会走路

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。
Google研究人员的一项新研究取得了重大进展，表现为机器人可以在没有人工干预的情况下学习走路。在几个小时内，仅仅依靠对当前最先进算法的微调，成功地让一个名为Rainbow Dash四条腿的机器人学会了完全独立的向前走和向后走，以及左右转弯。
加州大学伯克利分校和佐治亚理工学院的研究人员发表了论文，描述了一种统计AI技术，即深度强化学习。他们开发了一个系统，用于以最少的人力在现实世界中以深度RL学习腿式运动策略。机器人学习系统的主要困难是自动数据收集和安全性。通过开发多任务学习程序，自动重置控制器和受安全限制的RL框架，研究人员克服了这两个挑战。
研究人员在学习如何在三种不同地形上行走的任务上测试了这个系统：平坦的地面，柔软的床垫和带有缝隙的门垫。系统无需人工干预，即可在Minitaur机器人上自动高效地学习运动技能。
这项工作建立在一年前的研究基础上，当时研究团队首次发现了如何让机器人在现实世界中学习，此前，大多数强化学习部署都在计算机模拟的环境中进行。但是，Rainbow Dash使用此技术来学习在实际物理环境中行走。而且，它能够在没有专门的教学机制的情况下进行操作，例如人工指导或带有标签的培训数据。最终，Rainbow Dash成功地在多个表面上行走，包括柔软的泡沫床垫和带有明显凹口的门垫。
此前，强化学习通常会这样在模拟环境中进行：机器人的虚拟分身在模拟的环境中走来走去，直到算法足够完善，可以使其安全运行为止。然后将其导入真正的机器人。
这种方法有助于避免机器人在反复实验过程中对周围环境的损伤，但也需要一个易于建模的环境。在机器人脚下模拟自然散落的沙砾或者弹簧床垫需要很长时间，根本不值得。
基于这种状况，研究人员从一开始就决定通过在真实世界中训练来避免困难的环境建模。他们设计了一种更高效的算法，可以使学习的试验次数变少一点，并在两个小时内让机器人站起来行走。由于实际环境中会有自然变化，机器人也能够快速适应其他相似的环境，如斜坡、台阶以及有障碍的平地。
于是他们开始解决这个新问题。首先，他们限定了机器人可以探索的地形，并让它一次性进行多重动作训练。如果机器人在学习如何向前走的同时到达了限定地形的边缘，它就会改变方向，开始学习如何向后走。
其次，研究人员还限制了机器人的训练动作，让它能够谨慎一些，最大限度地减少反复摔倒带来的伤害。当机器人不可避免地摔倒时，他们还添加了另一个硬编码算法来帮助它站起来。

通过这些调整，机器人学会了如何在几个不同的环境中自主行走，包括平地、记忆泡沫床垫和有缝隙的门垫。这项实验给未来的某些应用带来了可能性，有些情况可能需要机器人在没有人类的情况下在坎坷和未知的地形中行走。
机器人使用的深度强化学习技术包括一种机器学习技术，其中通过代理服务器与环境交互以反复试验来学习。一般而言，机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。科学团队一开始就专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，它是人工智能的核心，是使计算机具有智能的根本途径，原先，大多数强化学习用例都涉及计算机游戏，例如在数字特工中学习如何取得胜利，本次应用也是谷歌对于人工智能算法的一次极好尝试。
而在机器人身上的所谓深度强化学习，指的是当计算机正确完成一项任务时，它将获得指导其学习过程的奖励。尽管以“先验知识”算法概述了任务的步骤，但是如何准确地执行这些步骤却没有。当机器人擅长执行某个步骤时，其奖励会增加，从而创建一种反馈机制，促使机器人学习最佳方法，例如将热狗放在面包上。
这种形式的机器学习与传统的有监督或无监督学习明显不同，在传统的有监督或无监督学习中，机器学习模型需要标记的训练数据来学习。深度强化学习将强化学习方法与深度学习相结合，传统的机器学习的规模随着强大的计算能力而大大扩展。
“这项工作令人感到非常兴奋。” 让这个过程不再出现人工干预真的很难。机器人能够更自主地学习，就更有可能在我们生活的现实世界中学习，而不是在实验室里。”目前的设置依赖于机器人上方的动作捕捉系统来确定其位置。这在现实世界中是不可能的。

尽管研究团队将Rainbow Dash的学习能力归功于自己，但人为干预仍在实现该目标方面发挥了重要作用。例如研究人员必须创建边界，机器人可以在该边界内学习走路，以防止机器人离开该区域。研究人员还必须设计特定的算法来防止机器人摔倒，其中一些算法集中在限制机器人的运动上。为了防止诸如坠落损坏之类的事故，通常在数字环境中进行机器人强化学习，然后再将算法转移到物理机器人上以保持其安全性。
接下来，研究人员希望他们的算法能适用于不同种类的机器人，或适用于多个机器人在同一环境中同时进行学习。破解机器人的运动能力将是解锁更多有用机器人的关键。“很多地方都是为人类建造的，我们都用腿来走路，”“如果机器人学不会使用腿，它们就不能在人类世界中行走。”

丽莎老师讲机器人之佐治亚理工学院研发出几乎看不见的3D打印机器人

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。
科学家们正在努力完善可以同时进行一项工作的小型机器人，以便更大规模地完成任务。佐治亚理工学院研发了一种3D打印的微型机器人，这些微型机器人有朝一日可能会分组工作，以感知环境变化，移动材料，并可能有一天在人体内修复伤害。
原型机器人设计用于根据其配置响应不同的振动频率。它们响应的不同振动允许研究人员通过调整振动频率来控制各个机器人。微小的机器人只有两毫米长，大约相当于世界上最小的蚂蚁大小。
尽管它们的尺寸很小，但这种微型机器人的在一秒钟内可以移动自身长度的四倍距离。机器人具有粘合到聚合物主体上的压电致动器，该聚合物体使用双光子聚合光刻技术进行3D打印。小的执行器产生振动，并由外部供电，因为没有足够小的电池安装到机器人上。振动可以来自机器人正在移动的表面下的压电振动器。振动会使机器人腿部的弹性腿向上和向下移动，从而推动机器人前进。振动的幅度控制着机器人移动的速度。
这种微型机器人使用TPP工艺在聚合单体树脂材料上由3D打印机中制造，被紫外线照射的树脂块部分被化学处理后，剩下的部分可以被冲走，留下机器人结构。另外，压电执行器在振动时也能产生电压，使传感器在设备上运行。

丽莎老师讲机器人之有触摸感的机械手指

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。

尽管近年来工业机器人的发展使得人类在触摸和力传递方面取得了重大进展，但触觉传感仍远没有在机器人操纵中普遍存在。由于存在多种挑战，包括用于覆盖多弯曲表面的困难，高线数或包装限制，难以在灵巧的手中使用，用于构建触摸传感器的现有方法已被证明难以集成到机器人手指中。
哥伦比亚工程公司的研究人员推出了一种新型的具有触摸感的机械手指。他们的手指可以在很大面积、多曲线的表面上以极高的精度（<1毫米）来定位触摸，这与人类的手指已经非常相似。
“独立的触觉传感器和完全集成的触觉手指之间一直存在着差距，触觉传感在机器人操纵中仍远远没有普及。”，“展示了一种多弯曲的机械手手指，该手指在复杂的3D表面上具有精确的触摸定位和法向力检测。”
此前试验已经证明，由于包括用于覆盖多弯曲表面的困难，高导线数或难以装配到小指尖的多种挑战，当前用于构建触摸传感器的技术和方法，难以集成到机器人手指中，从而组阻止了它们应用于灵巧的机器人手中使用。
因此，哥伦比亚工程团队采用了一种新方法：新颖地使用来自嵌入在覆盖手指功能区域的透明波导层中的光发射器和接收器的重叠信号，攻克了这一难关。
通过测量每个发射器和接收器之间的光传输，试验表明，该方法可以获得非常丰富的信号数据集，该数据集会随着手指由于触摸而变形而发生变化。然后，证明了纯数据驱动的深度学习方法可以从数据中提取有用的信息，包括接触位置和施加的法向力，而无需分析模型。最终结果是，该材料实现了易于使用、易于制造、完全集成的、具有传感功能的机器人手指制造，同时其线数少，并且易于集成到灵巧的机械手中。
首先，在这个项目中，研究人员使用光线来感应触摸。在“皮肤”下，他们的手指上有一层由透明硅树脂制成的材料，他们在其中发光了30多个LED。手指还具有30多个光电二极管，可测量周围光线的反射。每当手指触摸某物时，其皮肤就会变形，因此光线会在下面的透明层中四处移动。通过测量从每个LED到每个二极管的光量，研究人员最终获得了近1,000个信号，每个信号都包含有关所进行的接触的一些信息。由于光也可以在弯曲的空间中反弹，因此这些信号可以覆盖复杂的3D形状，例如指尖。
人的手指提供了令人难以置信的丰富的联系信息-在每平方厘米的皮肤中有400多个微型触摸传感器！” 那是促使我们尝试从手指中获取尽可能多数据的模型。确保手指各侧的所有接触都被遮盖非常关键-我们实质上是制造了没有盲点的触觉机器人手指。”
其次，团队设计了这些数据，以供机器学习算法处理。但一开始由于信号太多，所有信号都部分重叠，因此数据太复杂而无法被人解释。幸运的是，他们发现，当前的机器学习技术可以学习提取研究人员关心的信息：手指在哪里触摸，手指在触摸什么，施加了多少力等。
“我们的结果表明，深度神经网络可以非常高精度地提取此信息，“我们的设备从一开始就是真正设计成可与AI算法结合使用的触觉手指。”
此外，该团队还建立了手指模型端口，以便可以将该手指和其他手指放在机器人手上对比。将系统集成到手上很容易：由于这项新技术，手指可以收集将近1,000个信号，但是只需要一条14线电缆将其连接到手上，就不需要复杂的外接电子设备。在实验室中，研究人员已经有两只灵巧的手（能够抓握和操纵物体）用这些手指装备-一只手有三个手指，另一只手有四个手指。在接下来的几个月中，研究小组将根据触觉和本体感受数据，使用这些手来尝试证明其灵巧的操作能力。
“在制造和物流等领域，现在需要机器人的操纵，从长远来看，它同时也是在其他领域（例如医疗保健或服务领域）启用个人机器人帮助所需要的技术之一。”

丽莎老师讲机器人之全新水上可清除船体生物机器人

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。
当船只在海上航行时，各种藤壶、贝类、藻类和其他生物会堆积在船体上。长此以往，绝对是大麻烦，这就是为什么研究人员开发新的基于机器人的系统作为可能的解决方案的原因。船体上海洋生物的生长被称为生物污损，这带来了两个关键问题。
首先，通过在船体上添加粗糙的活动涂层，可以防止船舶顺畅切入水中。这意味着他们的引擎必须更努力地工作才能维持给定的速度，从而使用更多的燃料并产生更多的排气。此外，如果生物体被船体从某个地方带来，随着船活动到别的地方，然后在另一个地理位置繁殖，则可能会引入入侵性非本地物种。
考虑到这些问题，挪威公司 Jotun 与瑞典科技公司 Semcon 以及其他合作伙伴合作开发了 Hull Skating Solutions 系统。它始于将专有的 SeaQuantum Skate 丙烯酸硅烷基酯基涂料应用于船体。尽管这可以完全抵制生物污染，但它还设计为不会被 HullSkater 机器人损坏，后者是系统的另一个主要组件。
该机器人平时停留在船上的便携式工作站中，该工作站包括发射和恢复坡道。一个基于互联网的系统 - 监视船的状态和位置以及海洋状况 - 使船员知道何时应该进行船体清洗。该船当时必须锚定或停靠。发射后，HullSkater 使用其四个磁化轮紧贴船底。这些轮子中的每个轮子上的电动机都继续前进，而其前端的旋转刷则抢先冲走了在彻底污损之前形成的 " 生物膜 "。
该机器人不是自主的，而是由位于 24 小时运营中心的 员工实时进行远程操纵。它们由 HullSkater 的四个聚光辅助摄像头（三个前置、一个后置）的输出指导–数据通过一条脐带缆从机器人传送到船上的 4G 收发器。一次完全清洁应花费两到八个小时，具体取决于容器。

丽莎老师讲机器人之除了耍杂技四足机器人还能干什么？

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。
最近几个月里，四足机器人不断成为热门话题，各家频频晒出四足机器人的看家绝技。它们有的能做后空翻，有的能拉动货车，有的比人跑的还快，甚至还有能踢足球、钻火圈的。
MIT晒出的四足机器人猎豹踢足球的视频又火爆了网络，这个灵活的小家伙在草地上快速带球奔跑，可以算是四足机器人里跑的最快的了。
不过，这些四足机器人里名气最大的就要数波士顿动力的Spot了，作为网红机器人，Spot展示过拉车、越障、开门、巡检等一系列本领。

波士顿动力的首席执行官Marc Raibert在Web Summit 2019峰会上说：“事实上，波士顿动力还没有开始出售Spot机器狗，目前我们正在出租它们。”Marc Raibert还宣布了将在2020年完成1000个Spot的发货。

除了在视频里看到这些机器人的绝技，在今年的世界机器人大会上，我们也看到了瑞士ANYbotics公司的ANYmal C四足机器人。
ANYmal C现场展示了搬运、越障的能力，背着纸箱在穿过了“山洞”，爬上了楼梯。
起初，四足机器人是美国军方为了战场的负重作业提出的概念，2005年，波士顿动力还为美国军方研发了最初的Bigdog四足机器人。不过Bigdog后来并没有被用于战场。
虽然Bigdog没有在战场上成为骁勇之师，但却在全球掀起了四足机器人的研发热潮。
这几年，各家都在陆续晒出自己在四足机器人上的研发成果。最近这种趋势变得越来越强烈，四足机器人似乎真的火了。
前阵子MIT晒出了一段一群四足机器人Mini Cheetah集体踢足球的短片，视频中Mini Cheetah进行了一场激烈的足球竞赛，还有机器人在比赛中不慎被撞翻，不过它立马灵活翻身重新投入了比赛。
除了足球赛，令人更加震惊的事情发生了，这些机器人居然排着队整齐的来了个集体后空翻！
Spot作为网红四足机器人自然也在不断秀技能。
几个月前，波士顿动力在放出了Spot商用的宣传片，展示了Spot四足机器人自主开门关门、在崎岖的工地完成巡检的能力。
瑞士ANYbotics公司研发的四足机器人ANYmal C也在世界机器人大会上展示了自主导航、灵活避障、负重搬运的能力。
ANYmal C也是一款不断迭代的产品，它的前身是ANYmal四足机器人，诞生于去年9月。当时ANYmal还只能完成行走、开门等动作。经过一年的技术积累，ANYmal C在行走的稳定性、避障的灵活性上都有了很大的提升。
美国弗吉尼亚大学的机器人实验室RoMeLa也在今年9月推出了一款“与众不同”的四足机器人AlPHRED 2。它的不同之处在于，虽然同样是四足机器人，但它的行走方式非常特别，它的四足不分前后，前进时与双足的行走方式相同，两侧的两条腿一起移动。
而且AlPHRED 2的运动方式非常灵活，还可以跳着走、抬起一只脚用三足行走，甚至双足行走，这时候剩下的“脚”就变成了“手”，可以用来搬东西或者开关门。
除了这些“国际大牌”，一个名叫AlienGo的国产四足机器人也引起了我们的注意。AlienGo是宇树科技继Laikago之后推出的又一款四足机器人。
与Mini Cheetah相比，AlienGo的体积要大得多，它身长60cm，重量接近20kg，不过AlienGo同样能灵活的完成后空翻这样高难度的“杂技”动作，它也可以算是目前全球最大而且最重的能直接原地后空翻的电驱动四足机器人。
四足机器人的火爆到底是不是突然发生的呢？为什么现在全世界都在研发四足机器人呢？
其实足式机器人几十年前就在世界各地开始了研究，这十几年来，由于波士顿动力Bigdog的出现，又点燃了市场研发四足机器人的热潮。
作为机器人行业的“标杆”，波士顿动力的一举一动都会引起全行业的关注。Spot的商用也让全球的机器人企业摩拳擦掌，纷纷开发自己的四足机器人。
四足机器人与双足机器人相比，更容易产业化，因为四足机器人基于足式机器人的特点，又有优于轮式机器人的场地适应性，在草地、碎石路都能更好的通过，更接近四足动物。
机器人的足部有2个自由度，四足就是八个，全部或者部分驱动能够实现更多姿势。
四足机器人的爆发也不只是今年这么火，从波士顿放出视频以来几年其实从一开始就有很多公司大家都一直在开发，因为这是技术发展的必然趋势。”
足式机器人随着仿真技术发展起来，之前的轮式的机器人 还不具备仿真四足的能力。正如同人的进化一样，从学会翻身、爬行、行走，四足机器人现在到了“行走”阶段，也就突然爆发了。
四足，只是承载机器人能力的平台，关键在于技术的配合。
视觉技术已经成为了智能设备必须具备的基本能力，3D摄像头能让机器人对周围的环境有整体的感知，视觉技术与运动能力结合才能让机器人顺利的动起来。
与视觉技术密切配合的还有SLAM技术，自主导航规划路径是机器人智能化的表现。激光雷达帮助机器人构建地图，灵活避开障碍物，精准的到达目的地。
机器人的交互功能也是机器人智能化的体现，语音传感器、压力传感器、位置传感器等等，都是实现机器人交互能力的基础。
以配送为例，机器人要构建地图、识别路线、实时避障，还要运载货物，与用户交流，把货物送达到目标用户手中。
四足机器人也被称为机器狗，四足机器人的技术难度在于“仿真”，也就是机器人是否具备更接近四足动物的运动能力。
四足机器人的技术迭代在不断改进机器人的智能化程度，在工程师控制下进行展示的机器人不具备实际应用能力。
虽然现在四足机器人的研发十分火爆，但具体的落地还需要一段时间，波士顿动力的Spot也处于商用的部署阶段。
目前四足机器人的技术还不够成熟，视觉、交互等方面的配合还有待提升，不过目前已经可以在小范围内灵活机动的使用了。
总体来说，四足机器人一般是以巡检机器人为主，在道路条件不良的地方更加适用，四足机器人还能上下楼梯，应用的灵活性更高。
与四足机器人相比，双足机器人在外形上更接近人类，看起来似乎技术难度也更高。
四足和双足是并行发展的，就如同动物和人，各有优势和用途， 双足是建立在四足技术上， 四足完美的解决后，双足会更进一步的发展。”

机器人技术的发展主要分为三个板块，认知智能、感知智能和运动智能。
这些年发展较快的是认知智能和感知智能，认知智能主要体现在机器人的交互能力上，感知智能通过传感器的升级实现能力提升。
四足机器人的爆发则是运动智能的提升，这不是一蹴而就的，是在AI、工程技术的共同推动下实现的机器人运动技术程度的大幅提升。