RECOMMEND

推荐阅读

每年，垃圾公司筛选出大约万吨的回收物，这相当于超过万辆汽车的重量。

这个过程中的关键步骤发生在快速移动的传送带上，工人必须将物品分类为纸张，塑料和玻璃等类别。这些工作是枯燥，肮脏，通常是不安全的，特别是在工人也必须从混合物中清除正常垃圾的设施中。

考虑到这一点，由麻省理工学院计算机科学与人工智能实验室（CSAIL）的研究人员领导的团队开发了一种机器人系统，可以检测物体是纸张，金属还是塑料。

该团队的“RoCycle”系统包括一个柔软的Teflon手，在指尖上使用触觉传感器来检测物体的大小和刚度。与任何机械臂兼容，RoCycle被发现在静止时检测材料的准确度为85％，在实际模拟输送带上准确率为63％。（其最常见的错误是将纸张覆盖的金属罐识别为纸张，团队表示将通过沿接触面添加更多传感器来改进。）

“我们机器人的感应皮肤提供触觉反馈，可以区分各种物体，从刚性到柔软，”麻省理工学院教授DanielaRus说，他是一份相关论文的资深作者，将于4月份在IEEEInternational上发表。韩国首尔软机器人（RoboSoft）会议。“仅凭计算机视觉无法解决机器人类感知的问题，因此能够使用触觉输入至关重要。”

与耶鲁大学合作，RoCycle直接展示了基于视觉的分类的局限性：它可以可靠地区分两个视觉上相似的星巴克杯，一个由纸制成，另一个由塑料制成，这会给视觉系统带来麻烦。

激励回收利用罗斯表示，该项目是她降低回收后端成本的更大目标的一部分，以激励更多城市和国家创建自己的项目。今天的回收中心并不是特别自动化;他们的主要机械设备包括使用不同波长光来区分塑料的光学分选机，分离出铁和钢产品的磁分选机，以及使用涡流去除非磁性金属的铝分选机。

这是一个非常重要的问题：就在上个月，中国提高了其从美国接收的再生商品的清洁度标准，这意味着该国的一些单流回收现在被送往垃圾填埋场。

“如果像RoCycle这样的系统可以大规模部署，我们可能能够获得单流回收的便利性，同时降低多流回收的污染率，”博士生LillianChin说。新论文。

开发可以区分纸张，塑料和金属的机器是非常困难的，这表明它对人类来说是多么令人印象深刻。当我们拿起一个物体时，即使闭着眼睛，我们也能立即发现它的许多品质，比如它是否大而僵硬，小而柔软。通过感受对象并理解它与我们指尖的柔软性之间的关系，我们能够学习如何处理各种各样的物体而不会掉落或破坏它们。

这种直觉很难编入机器人。传统的硬（“刚性”）机器人手必须知道物体的确切位置和大小才能够计算精确的运动路径。由橡胶之类的材料制成的柔软手更灵活，但有一个不同的问题：因为它们由流体力驱动，它们具有类似气球的结构，可以很容易地穿刺。

RoCycle的工作原理罗斯的团队使用了一种由相对较新的材料制成的电动手，称为“拉伸系统”。大多数材料在拉上时会变窄，就像拉伸时的橡皮筋一样;与此同时，辅酶学实际上变宽了。麻省理工学院的团队采用了这个概念并对它进行了改进，非常简单：它们创造了一种拉伸，当切割时，它向左或向右扭曲。为每只手的两个大手指组合“左手”和“右手”拉胀，使它们互锁并相互抵抗，从而实现更加动态的运动。（该团队将此称为“剪切辅助”，即HSA。）

“与软机器人相比，其流体驱动方法需要空气泵和压缩机，HSA结合了扭转和延伸，这意味着您可以使用普通电机，”Chin说。

团队的抓手首先使用其“应变传感器”来估计物体的大小，然后使用其两个压力传感器来测量抓取物体所需的力。这些指标-以及不同材料类型的物体的尺寸和刚度的校准数据-使夹具能够感知物体的材料。（由于触觉传感器也是导电的，它们可以通过改变电信号的程度来检测金属。）

“换句话说，我们估计尺寸并测量当前闭合手与正常张开手应该是什么样的压力差，”Chin说。“我们使用这种压力差和大小来根据我们已经测量过的不同物体的信息对特定物体进行分类。”

RoCycle以一组传感器为基础，可以检测物体半径精度在30％以内，并以78％的准确度告诉“硬”和“软”物体之间的区别。该团队的手也几乎完全防刺穿：它可以被一个尖锐的盖子刮掉并被针刺穿超过20次，结构损坏最小。

作为下一步，研究人员计划构建系统，以便将触觉数据与机器人相机的实际视频数据相结合。这将使团队能够进一步提高其准确性，并可能在不同种类的材料之间实现更细微差别。

Chin和Rus与麻省理工学院博士后JeffreyLipton以及耶鲁大学博士生MichelleYuen和RebeccaKramer-Bottiglio教授共同撰写了RoCycle论文。

该项目部分由亚马逊，京东，丰田研究所和国家科学基金会支持。