神經力學啟發的機器人控制方案，提升適應能力

要在現實世界中大規模且廣泛地部署機器人，它們必須能夠在與人類和環境互動時迅速調整動作，以應對環境的變化。然而，目前開發的許多機器人在受控環境中表現出色，但在非結構化環境中卻常常表現不佳。

西班牙格拉納達大學和瑞士洛桑聯邦理工學院（EPFL）的研究人員最近開發了一種受神經力學啟發的新控制方案，特別是受到中樞神經系統和人類生物力學整合作用的啟發。他們提出的控制系統在《科學機器人》期刊上發表，該系統能夠調節機器人的剛性，提高其動作的準確性，並增強其對環境變化的適應能力。

「我們最近的文章源自於歐盟旗艦專案『人類大腦計劃』（HBP）最後階段的合作，」該論文的高階作者Niceto R. Luque告訴Tech Xplore。「我們有機會與EPFL的生物機器人實驗室密切合作，該實驗室由Auke Ijspeert教授領導，他在肌肉模擬框架方面的前沿工作對我們的研究產生了影響。受到人類肌肉成對運作（即所謂的『主動肌-拮抗肌』關係）的啟發，我們專注於肌肉共同收縮如何動態調整剛性。」

Luque及其同事的研究主要目標是開發一種受生物力學啟發的新控制方案，以克服傳統阻抗/導納控制正規化的限制，這些正規化支撐著工業機器人的運動。他們開發的方案從人類在複雜和不可預測的環境中學習適應運動的自然機制中汲取靈感。

「傳統的控制方法通常依賴於高度複雜的數學公式來管理人與機器人（或機器人之間）的力交換，」Luque說。「相比之下，我們的策略模仿人類肌肉的共同收縮來直接調節剛性，消除了確定交換力所需的昂貴硬體解決方案，並避免了複雜的動態公式。」

「這種生物啟發的方法旨在使協作機器人（或稱cobots）展現出廣泛的適應性運動行為，從而提高它們在各種任務中的效能和穩健性。」

這些研究人員開發的神經力學啟發的機器人控制方案有兩個關鍵元件，模仿了人類控制和適應運動的系統。第一個元件是肌肉模型，第二個是所謂的小腦網路。

肌肉模型旨在複製人類肌肉運動的機制，特別是模仿人類肌肉成對運作的過程，即「共同收縮」。

「簡單來說，當對抗的肌肉一起收縮時，它們會調整關節的剛性，」Luque解釋道。「這使得機器人能夠根據任務需要改變其運動的剛性或靈活性——就像你在需要精確度時會收緊肌肉，或在需要更自由運動時放鬆肌肉一樣。這種調節剛性的能力對於處理精細任務和吸收意外力量至關重要。」

該團隊控制方案的第二個元件是小腦網路，這是一個模仿人類小腦功能的系統，小腦是大腦中負責根據來自身體和環境的反饋來微調人類運動的區域。

「透過引入這個適應性網路，機器人可以從其經驗中學習，並在面對新任務或不可預測的情況時調整其動作——更重要的是，調整其共同收縮和剛性，」Luque說。「這意味著它不僅依賴於預先程式設計的指令或複雜的數學方程式來運作。總的來說，我們的解決方案為協作機器人提供了一種『肌肉記憶』，並賦予其像人類一樣學習和適應的能力。」

Luque及其同事在一系列測試中評估了他們的控制方案，結果非常令人鼓舞。他們發現，共同收縮機制調節了機器人的剛性和效能準確性，提高了它們對外部幹擾的抵抗力。

「我們發現，與人類學習類似，在低共同收縮條件下進行訓練會導致較低的剛性，」Luque解釋道。「儘管在這些條件下學習對小腦來說更具挑戰性，但它使得在高共同收縮條件下無需額外訓練即可有效運作。這表明在低共同收縮條件下進行運動學習具有明顯的優勢，這減少了訓練時間並有助於防止磨損。」

儘管在低共同收縮條件下學習對小腦更具挑戰性，但它使得在高共同收縮條件下無需特定訓練即可有效運作。因此，該團隊的解決方案使他們的控制器能夠適應低共同收縮，隨後在需要更高剛性時切換到高共同收縮行為。

「我們不需要為所有可能的共同收縮場景訓練小腦，這大大減少了訓練所需的時間，從而最大限度地減少了磨損，」Luque和Ignacio Abadia說。「我們還基於軟體提供可變剛性，而無需在機器人上新增特定硬體，即我們不需要接觸力感測器或扭矩感測器，從而簡化了我們在不同機器人上的神經力學實現。這種能力對於需要在不可預測的環境中運作並與人類安全互動的機器人至關重要。」

Luque及其同事的最新工作為開發多功能且可靠的機器人系統開闢了新的可能性，這些系統可應用於從工業機器人到醫療保健和服務機器人的廣泛領域。在接下來的論文中，研究人員計劃改進他們的控制器，升級其軟體和機械元件。

「我們目前正在透過提高其適應性和多功能性來增強我們的小腦控制器的學習能力，」Luque說。「為此，我們正在採用基於模擬訊號的傳統人工神經網路的AI方法，並將這些與使用事件訊號的脈衝神經網路相結合。」

傳統AI技術的整合可能使該團隊的控制器能夠充分利用市場上最先進GPU的計算能力，從而提升其實時效能。為了推進其控制方案的應用，研究人員還在開發一種整合機械共同收縮機制的新機器人系統。

「目前的協作機器人通常在執行器末端只有一個馬達，需要在最終執行器之前實現共同收縮，」Luque補充道。「透過這項新開發，我們將提供內建的共同收縮。這種創新安排旨在改變協作機器人的建造方式，以更好地促進人機互動。」