科技日報南京2月14日電 軟體機器人的柔順性高、環境適應能力強，在醫療輔助、人機交互等領域具有廣闊應用前景。然而，其連續形變的特性也使其難以在復雜、多變環境中穩定工作。記者14日從東南大學獲悉，該校聯合新加坡國立大學、美國麻省理工學院團隊，模擬大腦神經元的結構和神經突觸的可塑性，提出了一種面向軟體機器人的通用學習與控制框架，並實現了較高的控制精度。相關成果近日刊發於國際學術期刊《科學進展》。

“人腦神經元之間靠突觸進行連接和傳遞信息，這啟發我們模擬大腦神經元的結構和突觸的可塑性，來控制軟體機器人。”論文的第一作者兼共同通訊作者、東南大學機械工程學院副教授唐志強介紹，團隊提出了一種通用學習與控制框架，這種框架由兩類功能模塊組成。

唐志強解釋，第一類模塊，是用攝像頭捕捉不同軟體機器人在完成不同任務時的共性特征，從而學習機器人位移、輪廓、應變等變化的共性控制規律﹔第二類模塊，是基於元學習的梯度算法，通過機器人在執行不同任務的信息，自主調節機械臂的控制指令。

團隊隨后將這種框架在三種不同類型的軟體機械臂平台上，進行軌跡跟蹤、物體操作以及形態控制等技術驗証。

“實驗結果表明，該控制框架能夠在負載連續變化、環境擾動以及執行器部分失效等復雜條件下保持較高控制精度和穩定性。”唐志強表示，應用這種框架，機械臂控制的絕對精度較高，其中位置控制誤差在5毫米內，形變控制精度在92%以上。相對於目前主流的基於高斯過程的控制方法，位置控制誤差可減少44%至55%，相較於基於圖像的逆向運動學方法，形變控制誤差可減少33%至68%。 （記者金鳳）