还记得机械手的想法是笨拙的手套，除了压碎铁夹子中的东西外，还能做些什么吗?嗯，应该基于英国华威大学WMG系的一些令人印象深刻的工作来消除这种陈词滥调。
如果这项研究能发挥其潜力，那么机器人的手很快就会和他们的血肉同行一样敏捷。这全都归功于一些令人印象深刻的基于模拟的培训，新的AI算法以及由英国的Shadow Robot Company(《数字趋势》之前已详细介绍过)创建的Shadow Robot Dexterous Hand 。
WMG Warwick的研究人员开发了算法，该算法可以使灵巧之手具有令人印象深刻的操纵功能，使两只机器人手可以将物体彼此抛掷或在其手指之间旋转笔。
数据科学教授乔瓦尼·蒙塔纳(Giovanni Montana)告诉《数字趋势》：“影子机器人公司正在制造与人类手非常相似的机器人手。” “但是，到目前为止，这主要用于远程操作应用，其中操作员可以远程控制手。我们的研究旨在使手具有学习如何自己操作对象的能力，而无需人工干预。在展示新功能方面，我们专注于被认为很难学习的手操作任务。”
沃里克的研究人员在一篇名为“通过弹道优化和强化学习解决具有挑战性的灵巧操纵任务”的论文中，使用了由华盛顿大学开发的名为MuJoCo(具有接触的多关节动力学)的物理引擎对手进行了3D模拟。
这项工作(目前仍在进行中)令人印象深刻，因为它展示了需要两只手的机械手任务，例如抓钩。这给学习过程增加了额外的难度。研究人员认为，该算法代表了迄今为止自主学习以完成具有挑战性的灵巧操作任务的最令人印象深刻的示例之一。
动手的算法
突破涉及两种算法。首先，计划算法会生成有关应如何执行任务的示例。然后，通过反复试验学习的强化学习算法会反复练习以完美地实现此动作。它使用奖励功能来评估其运行状况。
“理想情况下，您想要定义一种奖励，这种奖励易于确定，不需要大量的工程和调整，但也能够提供定期的反馈以指导学习，”另一位研究员Henry Charlesworth告诉《数字趋势》。“对于笔旋转任务，我们根据笔的角速度定义一个简单的奖励，并根据笔偏离水平面的距离定义一个轻微的负奖励。在这种情况下，“更好”表示笔在保持相对于手“水平”的同时尽可能快地旋转。”
功能性机械手不只是一个很棒的演示。他们在现实世界中可能有大量的应用程序。例如，功能更强的机械手可能在计算机组装中很有用，因为组装微芯片需要目前只有人的手才能达到的精确度。它们还可以用于机器人外科手术中，这是Warwick研究人员目前正在研究的一种应用。
不过，有一个陷阱：目前，几乎可以显示人类运动水平的手势算法仅在虚拟现实仿真中得到了证明。将算法转换为物理硬件是该项目的下一步。
查尔斯沃思说：“它的确增加了一层额外的复杂性，因为尽管模拟器相当准确，但它永远不可能是完美的。” “这意味着您在模拟环境中训练的策略无法直接转移到实际操作中。但是，最近有很多成功的工作，着眼于如何使在模拟中训练的策略更加健壮，从而可以在物理机器人上运行。”
