一款创新的双臂机器人使用人工智能来指示其行动，并实现接近人类水平的触觉灵敏度。

由布里斯托大学（University of Bristol）的科学家在布里斯托机器人实验室（Bristol Robotics Laboratory）设计的新型Bi-Touch系统，可以让机器人通过感应数字助手的指令来完成手动任务。

该研究结果发表在《IEEE机器人与自动化快报》上，展示了人工智能agent如何通过触觉和本体感受反馈来解释其环境，然后控制机器人的行为，实现精确的感知、温和的互动和有效的物体操纵来完成机器人任务。

这一发展可能会彻底改变水果采摘、家政服务等行业，并最终实现在假肢上重现触觉。

来自工程学院的首席作者Yijiong Lin解释说：“有了我们的Bi-Touch系统，我们可以在几个小时内轻松地在虚拟世界中训练人工智能agent，以完成针对触感定制的手动任务。”更重要的是，我们可以直接将这些agent从虚拟世界应用到现实世界中，而无需进一步的训练。

“即使在意想不到的干扰下，触觉双手agent也能解决任务，并以温和的方式操纵脆弱的物体。”

具有触觉反馈的双手操作将是达到人类水平的机器人灵巧性的关键。然而，与单臂设置相比，这个主题的探索较少，部分原因是合适硬件的可用性，以及为具有相对较大状态动作空间的任务设计有效控制器的复杂性。团队借助人工智能和机器人触觉感知的最新进展，成功构建了一个双手触觉的双臂机器人系统。

研究人员建立了一个虚拟世界（模拟），其中包含两个配备触觉传感器的机器人手臂。然后，他们设计了奖励函数和目标更新机制，以鼓励机器人agent学习完成手工任务，并开发了一个可以直接应用agent的真实世界触觉双臂机器人系统。

机器人通过深度强化学习（Deep- Reinforcement Learning）学习双手操作技能，这是机器人学习领域最先进的技术之一。它可以通过让机器人从试验和错误中学习来教机器人做事，类似于用奖励和惩罚训练狗。

在机器人操作中，机器人通过尝试各种行为来学习决策，以完成指定任务。例如，在不掉落或折断物体的情况下举起物体，当它成功时，它会得到奖励，当它失败时，它会学到什么不该做。随着时间的推移，它会利用这些奖励和惩罚来找出抓住东西的最佳方法。人工智能agent是没有视觉的，只能依靠本体感受反馈——身体感知运动、动作、位置和触觉反馈的能力。

他们成功地使双臂机器人能够成功地安全地举起像薯片一样易碎的物品。

合著者Nathan Lepora教授补充说：“我们的Bi-Touch系统展示了一种很有前途的方法，通过便宜的软件和硬件，为模拟中的双手触感学习提供了应用于现实世界的直接途径。我们开发的触觉双臂机器人模拟允许进一步研究更多不同的任务，其开源的代码对于有利于开发其他下游任务。”

Yijiong总结道：“我们的Bi-Touch系统允许触觉的双臂机器人从模拟中学习，并在现实世界中以温和的方式完成各种操作任务。”

“现在，我们可以在几个小时内轻松地在虚拟世界中训练人工智能agent，以完成针对触感量身定制的双手任务。”