为了在大规模和复杂的现实环境中成功应用，机器人需要能够在与人类及其周围环境互动时快速调整动作，以应对环境变化。然而，目前开发的许多机器人在受控环境中表现优异，但在非结构化环境中往往表现不佳。

西班牙格拉纳达大学和瑞士EPFL的研究人员最近开发了一种新的控制方案，灵感来自神经力学，特别是中枢神经系统的整合作用和人体生物力学。

他们提出的控制系统在一篇论文中进行了概述发表在《科学机器人》中，研究发现该系统能够调节机器人的刚度，提高其动作的准确性，并增强其对环境变化的适应性。

“我们的最新文章源于欧盟旗舰项目‘人脑计划’（HBP）最后阶段的一次激动人心的合作”论文的资深作者Niceto R. Luque告诉Tech Xplore。

“我们有机会与EPFL（瑞士）的生物机器人实验室密切合作，该实验室由Auke Ijspeert教授领导，他在肌肉模拟框架方面的前沿工作影响了我们的研究。受人类肌肉成对运作（即所谓的拮抗肌关系）的启发，我们专注于肌肉共同收缩如何动态调整刚度。”

Luque及其同事最近研究的主要目标是开发一种新的生物力学启发的控制方案，以克服支撑工业机器人运动的传统阻抗/导纳控制范式的局限性。他们开发的解决方案借鉴了人类通过自然机制学习适应复杂和不可预测环境变化的方式。

“传统的控制方法通常依赖于高度复杂的数学公式来管理人类与机器人（或机器人之间）的力交换”Luque说。“相比之下，我们的策略模仿人类肌肉共同收缩直接调节刚度，消除了确定交换力所需的昂贵硬件解决方案的需求，并避免了复杂动态公式的必要性。

“这种仿生方法旨在使协作机器人（或协作机器人）展示广泛的适应性运动行为，从而在各种任务中提高其性能和鲁棒性。”

这些研究人员开发的神经力学启发的机器人控制方案有两个关键组成部分，模仿了人类控制和适应运动的系统。第一个组成部分是肌肉模型，第二个是所谓的小脑网络。

顾名思义，肌肉模型旨在复制支撑人类肌肉运动的机制。该模型特别反映了人类肌肉成对工作，使用一种称为“共同收缩”的过程。

“简单来说，当对抗肌肉一起收缩时，它们会调整关节的刚度”Luque解释道。“这使得机器人能够根据手头的任务改变其动作的刚性或灵活性——就像你在需要精确时收紧肌肉或在需要更自由移动时放松肌肉一样。这种调节刚度的能力对于处理精细任务和吸收意外力量至关重要。”

团队控制方案的第二个组成部分，补充肌肉模型，是所谓的小脑网络。这是一个旨在模仿人类小脑功能的系统，小脑是负责微调人类运动并根据来自身体和环境的反馈进行调整的大脑区域。

“通过包含这个自适应网络，机器人可以从其经验中学习并调整其动作——更重要的是，其共同收缩和刚度——在面对新任务或不可预测的情况时”Luque说。“这意味着它不仅依赖于预编程的指令或复杂的数学方程来操作。总的来说，我们的解决方案为协作机器人提供了一种‘肌肉记忆’和像人类一样学习和适应的能力。”

Luque及其同事在一系列测试中评估了他们的控制方案，结果非常有希望。具体来说，他们展示了共同收缩机制调节了机器人的刚度和性能准确性，提高了其对外部干扰的抵抗力。

“我们发现，类似于人类学习，在低共同收缩条件下训练会导致较低的刚度，Luque解释道。“虽然在这些条件下学习对小脑来说更具挑战性，但它能够在较高共同收缩下有效运行而无需额外训练。这表明在低共同收缩条件下进行运动学习的明显偏好，这减少了训练时间并有助于防止磨损。”

尽管在低共同收缩下学习对小脑来说更具挑战性，但它能够在较高共同收缩下有效运行，而无需特定训练。因此，团队的解决方案允许其控制器适应低共同收缩，随后在需要更高刚度时切换到更高共同收缩行为。

“我们不需要为所有可能的共同收缩场景训练小脑，这显著减少了所需的训练时间，从而最大限度地减少了磨损”Luque和Ignacio Abadia说。

“我们还提供基于软件的可变刚度，而无需为机器人添加特定硬件，即我们不需要接触力传感器或扭矩传感器，从而简化了我们在各种机器人上的神经力学实现。这种能力对于需要在不可预测环境中操作并与人类安全互动的机器人至关重要。”

Luque及其同事的最新工作为开发多功能和可靠的机器人系统开辟了新的可能性，适用于从工业机器人到医疗保健和服务机器人的广泛应用。在他们的下一篇论文中，研究人员计划改进他们的控制器，升级其软件和机械组件。

“我们目前正在通过提高适应性和多功能性来增强小脑控制器的学习能力”卢克表示。“为此，我们正在采用传统的人工神经网络来模拟信号，并将其与使用事件驱动信号的脉冲神经网络相结合。”

传统AI技术的整合可以使团队的控制器充分利用市场上最先进GPU的计算能力，从而提升其实时性能。为了推进他们控制解决方案的应用，研究人员还在开发一种新的机器人系统，该系统集成了机械共收缩机制。

“目前的协作机器人通常在执行器末端只有一个电机，需要在最终执行器之前实现共收缩”卢克补充道。“通过这一新发展，我们将提供内置的共收缩。这一创新安排旨在改变协作机器人的构建方式，以更好地促进人机交互。”