原文來源：www.liebertpub.com

作者：Rieffel John、 Mouret Jean-Baptiste

「雷克世界」編譯：嗯~是阿童木呀、EVA

導語：在自然界中，有些生物體具有良好的柔軟性和彈性，原因是它們能夠將軟組織和堅硬的骨骼纏繞在一起。而如果將這種靈活性于彈性賦予機器人，能否解決傳統(tǒng)剛性機器人的局限性？最近，科學家們提出了一種易于裝配的基于張拉整體（tensegrity）的軟體機器人，它具有高度動態(tài)的運動步態(tài)，并在面對物理損傷的情況下表現(xiàn)出結構和行為的彈性。

生物體將柔軟的（例如，肌肉）和堅硬的（如骨骼）材料纏繞在一起，賦予它們在傳統(tǒng)剛性機器人（rigid robot）中通常缺乏的那種固有的靈活性和彈性。軟體機器人的新興領域尋求利用這些相同的特性來創(chuàng)造具有彈性的機器。然而，軟材料的性質給設計、建造和控制方面都帶來了相當大的挑戰(zhàn)——直到現(xiàn)在，軟體機器人的絕大多數(shù)步態(tài)都是通過實驗的試錯法（trial-and-error）來手動設計的。本文介紹了一種易于裝配的基于張拉整體（tensegrity）的軟體機器人，它具有高度動態(tài)的運動步態(tài)，并在面對物理損傷的情況下表現(xiàn)出結構和行為的彈性。這是通過使用一種機器學習算法而實現(xiàn)的，該算法能夠用最少的物理試驗來發(fā)現(xiàn)有效的步態(tài)。這些結果進一步證實了軟體機器人的方法，該方法試圖利用復雜的材料動力學的相互作用來產生大量的動態(tài)行為。

與機器不同的是，動物表現(xiàn)出了極大的彈性，其部分原因是它們將在軟組織和堅硬的骨骼纏繞在一起。在自然界中，這種柔軟性引發(fā)了一些利用了軟體系統(tǒng)動力學的令人注目的行為。例如，章魚能夠自適應地用“關節(jié)”塑造他們的四肢，以執(zhí)行有效的抓握。水母利用它們固有的彈性，在游泳時被動地恢復能量。煙草天蛾毛蟲（Manduca sexta caterpillar）有一種具有類似于“內臟運動活塞（visceral-locomotory piston）”作用的中腸，它在周圍的軟組織之前進行前向滑動，在任何可見的外部變化之前，將它的重心進行前向移動。

圖1：我們的軟體張拉整體機器人的概念。（A）第一個出現(xiàn)于藝術品中的張拉整體結構，與Kenneth Snelson的雕塑一起出現(xiàn)。（B）它們后來被用于建筑，例如Kurilpa橋（澳大利亞布里斯班）。（C）最近，張拉整體被認為是活細胞機械轉導的良好模型。（D）我們的張拉整體機器人基于碳撐桿和彈簧。它由三個振動器（粘在三個支柱上）驅動，其頻率通過試錯學習算法（材料和方法）進行自動調整。（E）得益于張拉整體結構和彈簧的順從性，我們的機器人在變形時會保持其完整性并彈回初始形式。

從自然世界中獲得靈感，軟體機器人領域尋求通過使用適合、靈活和具有彈性的材料來解決傳統(tǒng)剛性機器人的一些局限性。例如，Trimmer等人使用形狀記憶合金微線圈驅動（shape memory alloy microcoil actuation）從硅橡膠中構建軟體機器人，它可以以受控制的方式緩慢爬行，或者以不受控制的彈道方式滾動。與此類似，Whitesides等人的研究使用了氣動充氣（pneumatic inflation）來產生緩慢、動態(tài)穩(wěn)定的爬行運動，以及快速、但受控制較少的觸手式抓取器（tentacle-like gripper）、由燃燒驅動的跳線和一個獨立的微流體“章魚機器人（octobot）”。

盡管軟材料機器人有其優(yōu)點，但它們很難通過常規(guī)方法進行控制。它們是本質上具有無限的自由度的高維動態(tài)系統(tǒng)。提供其吸引力的彈性和可變形性是以共振和組件之間的緊密動態(tài)耦合為代價的，這些性能在傳統(tǒng)機器人設計的工程方法中經常被避免，或者至少被抑制。這種復雜性排除了許多傳統(tǒng)的運動學和逆動力學方法對機器人所使用的控制。

圖2：所有條件的性能配置文件。

因此，到目前為止，大多數(shù)軟體機器人的運動步態(tài)都是通過實驗的試錯法來手動開發(fā)的。這一過程既具有挑戰(zhàn)性也耗時，尤其是在尋求充分利用軟體機制的動態(tài)復雜性時。重要的是，這個手動過程也阻止了這些機器人在環(huán)境變化時調整其控制策略，例如當它們遇到意想不到的地形時，或者當它們受到物理損壞時。

在本研究中，我們介紹了一種基于由振動驅動的張拉整體結構的新型軟體機器人。像許多其他軟體機器人一樣，這個張拉整體機器人具有彈性，并且當受到干擾或壓碎時能夠抵抗損壞。然而，與其他軟體機器人不同的是，這種特殊的模塊化張拉整體機器人易于構建，易于控制，而且，由于采用了一種數(shù)據(jù)高效的強化學習算法，它可以自動發(fā)現(xiàn)如何移動，并在受損時快速重新學習和調整其行為。

振動是一種日益通用的自動化系統(tǒng)無傳感器操縱和控制方法。例如，Rezik等人開發(fā)了一個由振動驅動的平面機械手，能夠對小部件進行大規(guī)模的分布式平面控制。在移動機器人中，由成對振動電機驅動的粘滑摩擦運動（stick-and-slip frictional motion）已經被應用于各種移動機器人中。通常，這些方法使用實驗得到的手工調諧頻率（hand-tuned frequency）來生成運動，使用兩種電動機轉速的線性插值來平滑地生成一系列行為。基于振動的運動方法的一個缺點是，這種類型的振動即使在假設完全一致的表面時也會引起不可預測的運動，，這對建模和仿真提出挑戰(zhàn)。

張拉整體是相對簡單的機械系統(tǒng)，由許多剛性元件（支柱）組成，通過拉伸元件（電纜或彈簧）連接其端點，并通過預應力（prestress forces）的協(xié)同相互作用保持穩(wěn)定（圖1A-C）。除了工程學之外，張拉整體的性質已經在自然界的各個尺度上得以展現(xiàn)出來，從人類手臂的腱網(wǎng)（tendinous network）到活細胞的力學轉導。在每一種尺寸上，張拉整體結構都表現(xiàn)出兩個有趣的特征：它們具有令人印象深刻的強度與重量比，且它們在結構上具有魯棒性并能夠在變形的情況下保持穩(wěn)定。此外，與許多其他軟體機器人（soft robot）不同的是，張拉整體結構本身是模塊化的（僅由支柱和彈簧構成），因此相對容易構建。它們非常簡單，可以作為嬰兒玩具，并以兒童活動用書為特色，但足夠復雜，可作為下一代美國國家航空航天局行星漫游車的基礎。

圖3：機器人損壞的實驗。（A）損壞的機器人，正如圖1中所展示的那樣一個彈簧從機器人身上斷開連接。（B）30次試驗后的運動速度。中心標記是中位數(shù)，框的邊緣是第25和第75百分位數(shù)（IQR），晶須對應于范圍，晶須（whisker）外的點被認為是異常值（這對應于“四分位間規(guī)則”）。每個條件都使用20次獨立的算法進行測試。

對于張拉整體機器人來說，最常見的控制方法是緩慢地改變支柱和/或纜索的長度，引起大規(guī)模的準靜態(tài)（而非動態(tài)）結構變形，這反過來又使機器人通過翻滾和滾動進行移動。因為他們認為這種結構在整個運動過程中相對較硬，所以這種控制策略不適合于更為柔順的軟張拉整體機器人。另外，它們會導致運動速度變慢。

最近，研究人員開始研究關于張拉整體機器人控制的更多動力學方法。Bliss等人已經使用中心模式生成器（CPG）來產生模擬的非移動式張拉整體結構的共振夾帶（resonance entrainment）。Mirletz等人已經使用CPG在模擬的基于張拉整體脊柱的機器人中產生目標導向的行為。但是，這些努力無論多么有價值，都是在模擬環(huán)境中產生的，并且尚未成功地遷移到真實世界的機器人中。正如Mirletz等人所指出的那樣，張拉整體的動態(tài)行為高度依賴于它們相互作用的基底——這意味著在模擬環(huán)境中所開發(fā)的結果不一定可以簡單地遷移到真正的機器人上（在進化機器人學（Evolutionary Robotics）中，這被稱為“現(xiàn)實差距”）。

最近，Böhm和Zimmermann開發(fā)了一種由單一震動電磁鐵驅動的，啟發(fā)于張拉整體的機器人。雖然這種機器人不是純粹的張拉整體（它剛性地連接了多個線性支柱），但它能夠通過改變振蕩器的頻率在前向和反向移動之間進行切換。另外，科學家門已經提出將振動作為一種控制更為柔軟的機器人的手段。

圖4：張拉整體機器人的無限制版本。

在本文中，我們探索了一個假設，即現(xiàn)實世界的軟張拉整體機器人的固有共振和動態(tài)復雜性可以被有效地加以利用（而不是被抑制），并且，如果得到適當?shù)募?，它就可以產生共鳴，從而使機器人執(zhí)行階梯狀（step-like）圖案，從而使其能夠運動。為了驗證這一假設，并證明軟張拉整體機器人的潛力，我們設計了一個口袋大小的軟張拉整體機器人，該機器人的參數(shù)被調整為最大限度的共振，其目標是在平坦地形上盡可能快地進行移動。為了找到合適的振動頻率，我們?yōu)闄C器人配備了數(shù)據(jù)有效的反復試驗算法，該算法還使得它能夠在需要時進行調整。

軟張拉整體機器人具有很高的復原性，易于用現(xiàn)有技術進行組裝，并且可使用廉價材料進行制造?？傊?，振動式軟張拉整體機器人將軟體機器人技術的大部分復雜性（構建和驅動軟結構）重新塑造成一類更為簡單的機器人（易于構建和驅動），同時保持軟體機器人的許多具有吸引力的特征，例如，彈性和可變形性。得益于學習算法，我們的原型可以實現(xiàn)大于10 cm / s的運動速度（每秒大于一個身體長度），并在小于30次試驗中學習新的步法，從而使其可以適應損傷或新情況。據(jù)我們所知，這使其成為最快的軟體機器人之一。我們的軟張拉整體機器人實現(xiàn)了這種速度，因為它們獨特地利用了張拉整體結構的靈活性和共振性。以這種方式發(fā)現(xiàn)利用靈活性和共振的方法，為未來的張拉整體結構開辟了新的研究途徑，特別是當機械設計可以與自動識別如何控制共振的機器學習算法結合時，更是如此。

總體而言，得益于促動器（振動器）、結構（彈簧和支柱）以及環(huán)境（地面）之間的復雜相互作用，我們的柔張拉整體機器人得以移動。這種緊急行為在所體現(xiàn)的智能理論中占據(jù)核心位置，這表明如果我們鼓勵身體與“精神”之間的這種深度耦合——此處指控制器，我們將獲得更好更為逼真的機器人。然而，正如本文所展示的那樣，試錯法學習算法為發(fā)現(xiàn)這些緊急行為提供了一種強有力的可行方法。