加州大学和英伟达研发了一款机器人切割模拟器，教会机器人切菜。 7 月 29 日消息，美国南加州大学计算机科学系和英伟达的研究人员推出了一种新的机器人切割模拟器，可以准确再现刀在切割水果、蔬菜等常见食品时作用在刀上的力。研究者称这是第一个用于机器人切割的可微分模拟器，并且该系统还可以模拟切割人体组织，为手术机器人提供了潜在的应用。 由于现实世界中没有任何两个物品是完全相同的，所以机器人的切割系统也要根据切割的每一个物品做出相应的调整，这给研究人员创建可复制切割的智能机器人造成了困难。为了克服这个困难，研究人员创造了这个模型，以便更真实地模拟现实条件下的切割情况。 这项研究于 7 月 16 日在 2021 年机器人：科学与系统（RSS）会议上发表，并获得了最佳学生论文奖。论文题目为《DiSECt：用于自动机器人切割的可微分仿真引擎（DiSECt：A Differentiable Simulation Engine for Autonomous Robotic Cutting）》 论文链接：https://arxiv.org/pdf/2105.1224401. 为了让机器人学会切割，研究者给水果蔬菜建了个模型 利用机器人实现对软材料的切割，对于食品加工、家庭自动化和手术自动化等应用至关重要。与机器人的其他技术领域一样，模拟器使研究人员能够验证控制器、训练控制策略并生成用于切割的数据集，还能避免昂贵且耗时的现实试验。 然而，现实世界中的软材料（如水果、蔬菜、人体组织等）的材料特性往往是未知的，且不同材料之间的差异性也极大。此外，切割的理想轨迹可能事先无法得知，并且需要对切割动作进行有效的控制和优化，这种需求促使了可微分模拟器的产生。 不过，切割的微分模拟是一个难题，因为自然切割是一个不连续的过程，在这个过程中会有裂纹形成，断裂也会扩展，这使研究人员难以对梯度进行计算。 为了解决这个问题，研究团队设计了一种模拟器来模拟切割，该方法以连续的方式表示裂纹扩展和损伤力学的过程，研究团队将这种模拟器命名为 DiSECt。 具体来说就是研究人员为被切割物品创建了一个模型，并在模型的切割面引入了＂弹簧＂。弹簧的强度与刀具施加在物品上的力成反比，随着刀的施压，弹簧的强度会逐渐减弱直至断裂，这更真实地模拟了现实条件下的切割情况。 ▲ 被切割物模型及切面内的＂弹簧＂（青色线条）02. 模型＂可微分＂，让模拟切割过程更真实 DiSECt 利用常用的有限元分析法（FEM）来模拟软材料，将要切割的物品用一个由四面体元素组成的 3D 网格表示。研究者沿着预设的切割面，按照虚拟节点算法对网格进行切片，并在切面上添加虚拟节点。利用这些虚拟节点，研究者可以准确模拟刀具在切割时的受力状态。 然后，研究者在连续切割面插入了连接切面两侧虚拟节点的＂弹簧＂，这些弹簧能够使研究人员以连续的方式模拟损伤力学和裂纹的扩展情况。随着刀具的施力，弹簧的强度会逐渐降低直至消失。 ▲ 模拟切割过程中物品发生的形变 这种连续的变化能够使研究人员更快地弄清被切割材料的材料特性或刀具轨迹参数的梯度。例如，给定刀具垂直和侧向速度的梯度，研究者可以有效地确定施力最小且速度最快的切割方法。 通过基于梯度的优化算法，研究者可以自动调整仿真参数，以实现模拟器与实际测量值之间的紧密匹配。 论文的主要作者、博士生 Eric Heiden 说：＂我们的模拟器之所以是一种特殊类型的模拟器是因为它是‘可微分的’，这意味着我们可以利用现实世界的测量结果调整这些模拟参数。缩小模拟与现实之间的差距对当今的机器人专家来说是一项重大挑战。没有这一点，机器人可能永远无法摆脱模拟进入现实世界。＂03. 模拟器让机器人切割过程省力 15% 研究者在一项实验中对 DiSECt 进行了验证，其首先使用相应的模拟网格及材料属性对模拟器进行设置，并对其余参数进行优化以减少模拟器和真实刀具之间力的分布差异。随后进行 150 次的梯度评估。 验证结果显示，模拟器最初的预测与实际结果相差甚远，但是随着模拟次数的增加，模拟器会自动找到最准确的结果进行拟合，最终模拟器精确地预测了刀具的受力分布。 ▲ 150 次模拟切割过程的结果曲线变化 研究者还使用成熟的商业模拟器生成额外数据，使他们能够更精确的控制实验设置。优化了模拟参数后，DiSECt 能够更准确地预测切割速度以及力的分布。 除此之外，研究者还发现 DiSECt 还能够用于优化刀具的切割运动，以找到最优的切割方式。比如优化开始前，机器人只能进行垂直向下的切割，随着模拟器的不断自我优化，能够实现锯切运动。 ▲ 模拟的锯切过程及刀具受力变化 研究人员称，相对于未经优化的直接切割，通过 DiSECt 对切割运动进行优化后施加在刀具上的力平均可以减少 15%。 ＂这项研究最重要的是要有一个准确的切割过程模型，并且能够真实地再现在切割不同种类的组织时作用在切割工具上的力。通过我们的方法，我们能够自动调整我们的模拟器以匹配不同类型的材料，并实现对力分布的高精度模拟。＂Eric Heiden 说。 研究者称，这项模型不仅可以在食品加工领域的机器人身上应用，还可以让机器人替人类接管一些较危险的工作。此外，利用该模型对机器人进行训练优化，可以提高手术机器人触觉反馈的准确性，让机器人能够在外科手术中得以应用。 在接下来的研究中，研究者将会把这一模型应用于更多现实世界中的机器人，并拓展其建模方法以适应更多更复杂的切割动作，比如雕刻等。04. 结语：切割模拟器让机器人更懂切割，能让机器人做手术了？ 过去想要让机器人＂学会＂切菜可不是一件容易的事情。由于菜的种类、形状、硬度等条件大不相同，切割的难度也有所不同，让机器人学会切菜需要对这一过程进行反复的训练和调整，这不仅需要耗费大量时间和精力，还会浪费大量的材料。 而现在通过切割模型 DiSECt 对切割过程进行模拟优化，让机器人的整个学习过程变得更加轻松。并且，它还能使机器人在不断的学习中变得更加聪明，让切割更省力。 这一项模型的出现不仅让许多需要用到＂切割＂这一动作的领域（比如食品加工等）大规模应用机器人工作成为可能，还能让人类远离部分较为危险的工作岗位，避免以外事故的发生。 另外，手术机器人领域也是这一模型应用的前景之一。目前市场上的手术机器人应用范围仍较窄，且灵活度等方面仍不如人手，手术过程仍需要依靠专业医生的参与。有了这一模型之后，能够对手术机器人进行深度训练与优化，从而提高手术机器人的实用性。