盖世汽车讯 软体机器人——由柔韧的、类似肌肉的材料制成的机器——能够以流畅的方式弯曲和伸展。它们能够采摘成熟的番茄或在搜救现场导航。然而，软体机器人要实现这种灵活性，其操控难度不言而喻。

据外媒报道，弗吉尼亚理工大学（Virginia Tech）的研究人员开发出一种名为“储备池计算（reservoir computing）”的技术来解决软体机器人控制的问题。利用这种受大脑神经元复杂结构启发的新型计算方法，机械工程系（Department of Mechanical Engineering）的团队创建了一个可以屈伸、扭转、变形和弯曲的仿真机械臂。

图片来源：Virginia Tech

储备池计算不仅突破了传统人工智能（AI）和机器学习方法的局限，而且当研究团队将储备池层应用于一种类似大脑脉冲的神经形态计算机芯片时，其功耗降低了高达75倍。相关研究成果发表于期刊《Proceedings of the National Academy of Sciences》，有望为开发更多小型、无缆机器人铺平道路，这些机器人可应用于医疗、农业、打捞和基础设施检测等领域。

领导这项研究的机械工程助理教授Noel Naughton表示：“我们不确定该方法是否是最佳方案，但它是首个能够控制高度灵活、移动速度很快的软体机械臂的方法。”

一种新型机器人

软体机器人与人们印象中笨重的金属机器人截然不同。软体机器人采用柔软材料和新型控制系统，比传统的刚性机器人拥有更大的运动范围、更流畅的动作和更强的灵活性。它们可以变形和重塑，能够包裹物体而非像传统机器人那样夹紧物体，这使得它们在人类难以到达或危险的区域发挥着重要作用。

这类新型机器人面临的挑战在于操控。在传统机器人中，手臂或手指的运动是通过指令实现的：抬起手臂可能是一个指令，也可能是一系列指令。而对于软体机器人来说，其高度的灵活性需要更复杂的控制系统。

此前，Naughton曾利用虚拟工具和运动映射技术设计新型机器人。他曾从章鱼身上汲取灵感，设计出了具有类似运动方式的机器人。

此次，Naughton的团队运用这些3D虚拟工具，构建了一个仿真手臂，其结构仿照蛇等动物的解剖学特征。该手臂采用中央弹性核心，周围环绕着多对合成肌肉，类似于人类的肱二头肌和肱三头肌，这些肌肉相互重叠、协同工作，从而驱动手臂运动。

该团队的目标是实现手臂自动动态控制。他们希望找到一种方法，通过控制核心周围仿真肌肉的收缩和放松，使手臂能够扭转和弯曲。

Naughton表示：“当我们构思这个想法时，我们意识到目前还没有已知的控制方法。”

受大脑启发的计算机

这促使Naughton采用了一种全新的方法来处理控制问题：神经储备池。在神经储备池中，研究人员输入虚拟软体机器人的运动数据，设定预期行为的参数，运行虚拟试验，然后分析结果。

Naughton团队成员了解弹性核心和合成肌肉的特性，以及这些材料在弯曲和扭转时的反应。但他们并不了解肌肉对如何协同工作的动力学原理。

利用神经储备池，该团队创建了不同运动方式的虚拟模型，并测试了它们的行为。当他们将这些结果反馈到系统中时，一种新的软体机械臂行为模型开始显现——同时产生的还有控制机械臂的最有效方法。

神经计算比构建庞大的指令集速度更快，而且更加节能，耗电量远低于传统计算机。

虽然目前这个肌肉驱动的机械臂还只是虚拟的，但Naughton团队构建的数据最终将用于驱动实体机器人运动。

Naughton表示：“现在我们有了这些新工具，下一步就是构建物理原型，在软体机械臂上测试我们的储备池控制方法。希望该方法能帮助缩小目前软体机器人与章鱼等软体生物惊人的灵巧性之间的差距。”