Robot không cần tính toán mọi điểm tiếp xúc: Bàn tay lấy cảm hứng từ vây cá tự ôm theo hình dạng vật thể

Để một robot gắp một vật thể lạ, cách tiếp cận quen thuộc là nhìn vật thể, ước lượng hình dạng, chọn các điểm tiếp xúc, tính tư thế kẹp rồi điều khiển lực sao cho vật không trượt. Fin-A-Rays thử chuyển một phần công việc đó khỏi phần mềm: thay vì bắt robot dự đoán chính xác ngón tay phải chạm ở đâu, nhóm nghiên cứu thiết kế ngón kẹp sao cho chính nó tự biến dạng khi gặp vật thể.

Hệ thống do các nhà nghiên cứu tại University of Bristol, Bristol Robotics Laboratory, Monash University Malaysia và Kyungpook National University phát triển được mô tả trong bài báo Fin-A-Rays: Expanding Soft Gripper Compliance via Discrete Arrays of Flexible Structures, đăng trên Soft Robotics. Điểm mới không phải một motor hay thuật toán điều khiển mới, mà là cách họ “cắt” một ngón Fin Ray rộng thành một dãy nhiều ngón mềm hẹp đặt cạnh nhau.

Khi từng ngón nhỏ có thể xòe và xoắn tương đối độc lập, bề mặt kẹp không còn phải áp sát vật thể theo một hình dạng được tính trước. Phản lực tại nơi tiếp xúc khiến các ngón tự tìm một cấu hình phù hợp hơn với đường viền của vật. Nhóm gọi đây là passive morphological adaptability: khả năng thích nghi đến từ hình dạng và độ mềm của chính cơ cấu.

Vây cá làm một việc khá lạ khi bị đẩy

Fin Ray Effect bắt nguồn từ quan sát về cấu trúc tia vây cá. Khi một cấu trúc kiểu Fin Ray bị ấn từ bên cạnh, hệ khung và các thanh nối bên trong khiến nó cong về phía lực tác động thay vì đơn giản bật ra xa. Trong robot mềm, hiệu ứng này được dùng để tạo ngón tay có khả năng quấn quanh vật thể khi tiếp xúc.

Một Fin Ray thông thường đã có lợi thế so với ngón kẹp cứng: motor chỉ cần đưa hai phía của gripper lại gần nhau, còn phần ngón mềm sẽ tự biến dạng để tăng diện tích tiếp xúc. Một hệ thống của MIT CSAIL trước đây, chẳng hạn, cũng dùng ngón Fin Ray có thể tự áp theo đường viền vật thể; nghiên cứu đó bổ sung cảm biến GelSight để ngón tay còn “cảm” được bề mặt.

Nhưng Fin Ray truyền thống vẫn thường là một ngón tương đối rộng. Cấu trúc đó chủ yếu uốn theo một hướng và được thiết kế để chống xoắn. Với vật tròn hoặc hình học đơn giản, điều này có thể đủ. Với một miếng gừng, vật có nhiều đỉnh hoặc bề mặt lồi lõm không đều theo chiều ngang, một ngón rộng có thể chỉ tiếp xúc tốt ở vài vùng.

Thay một ngón rộng bằng 24 ngón nhỏ

Fin-A-Rays giải quyết vấn đề bằng cách chia chiều rộng 60 mm của bề mặt kẹp thành nhiều phần. Trong các cấu hình thử nghiệm, nhóm dùng từ một Fin Ray rộng 60 mm cho tới 24 ngón rộng 2,5 mm đặt cạnh nhau. Các phương án trung gian gồm bốn ngón 15 mm, sáu ngón 10 mm, tám ngón 7,5 mm và 12 ngón 5 mm.

Sự khác biệt không chỉ là tăng số lượng “ngón”. Khi các phần tử hẹp hơn và ít bị ràng buộc với nhau hơn, chúng có thể xòe sang hai bên và xoắn ra khỏi mặt phẳng. Một vùng nhô lên của vật thể có thể đẩy vài ngón sang một phía, trong khi những ngón kế bên tiếp tục áp vào vùng lõm. Kết quả là hình dạng tiếp xúc được hình thành tại chỗ bởi cơ học, thay vì phải được điều khiển riêng cho từng phần tử.

Trong Figure 1 của paper, nhóm minh họa cùng một gripper gắp một miếng gừng với 1, 4, 8, 12 và 24 Fin Ray. Khi số phần tử tăng, từng ngón có thêm tự do để thích nghi với bề mặt bất quy tắc. Các thí nghiệm sau đó còn cho thấy hệ thống có thể gắp nhiều vật cùng lúc, chẳng hạn một vật nhỏ và một vật có hình dạng khác nằm cạnh nhau, bởi mỗi vùng của dãy ngón có thể biến dạng khác nhau.

Phần cứng vẫn khá đơn giản. Đế Fin-A-Ray được in 3D bằng rPET, còn các ngón được in bằng TPU Shore 82A. Thiết kế dạng trượt cho phép đổi tổ hợp ngón; nhóm cho biết việc tái cấu hình một dãy Fin Ray có thể thực hiện trong khoảng 10 giây. Đây vẫn là prototype nghiên cứu gắn lên một gripper song song thương mại, không phải một bàn tay robot đa khớp hoàn chỉnh.

“Không cần tính điểm tiếp xúc” không có nghĩa là không cần tính toán

Điểm thú vị của Fin-A-Rays nằm ở cách nó phân chia công việc giữa phần mềm và cơ khí. Paper cho rằng độ mềm được phân bố thành nhiều phần tử giúp giảm nhu cầu lập kế hoạch và tổng hợp grasp để tìm các điểm kẹp tối ưu. Điều này khác với việc robot hoàn toàn không cần perception hay planning.

Trên thực tế, nhóm còn xây một thuật toán để chọn cấu hình Fin-A-Ray phù hợp với một vật thể cho trước. Hệ thống nhận ảnh đường viền của vật, tách biên, tìm những vùng có độ cong thay đổi mạnh rồi đặt ranh giới giữa các ngón gần các vị trí đó. Ý tưởng là không để một ngón cứng tương đối rộng nằm đúng trên một đỉnh hình học khó ôm; thay vào đó, “cắt” cấu trúc ở những nơi cần cho hai phần được biến dạng độc lập.

Thuật toán hiện khá có cấu trúc. Trong thử nghiệm, ảnh được xử lý để lấy contour, đạo hàm bậc hai của đường biên được dùng để phát hiện thay đổi hình dạng, và số lát cắt được giới hạn tối đa 12 trong bước thiết kế tự động. Nhóm cũng giả định vật thể có hướng đặt cố định và hình dạng đối xứng giữa hai phía kẹp. Vì vậy đây chưa phải hệ thống có thể nhìn bất kỳ vật thể nào trong một thùng lộn xộn rồi tự thiết kế grasp hoàn chỉnh theo thời gian thực.

Điểm quan trọng hơn là sau khi cấu hình thô đã được chọn, robot không phải điều khiển riêng từng ngón để ép chúng vào từng điểm bề mặt. Phần điều chỉnh cuối cùng xảy ra nhờ biến dạng thụ động của vật liệu.

Nhiều ngón hơn không phải lúc nào cũng tốt hơn

Một kết quả đáng chú ý của nghiên cứu là không thể đơn giản cắt ngón càng nhỏ càng tốt. Khi Fin Ray quá hẹp, chúng dễ xoắn và xòe để ôm hình dạng phức tạp hơn, nhưng đồng thời mất độ cứng cần thiết để giữ vật.

Trong mô phỏng và thử nghiệm, những ngón 2,5 mm có thể biến dạng rất dễ, tới mức trở thành cấu hình kẹp kém hiệu quả trong một số tình huống. Nhóm nhận thấy độ cứng bắt đầu giảm rõ khi số ngón vượt khoảng năm. Với tập vật thể thử nghiệm, cấu hình đồng đều gồm bốn ngón 15 mm đạt hiệu suất tổng hợp tốt nhất trong các phương án uniform, chứ không phải cấu hình 24 ngón mỏng nhất.

Thiết kế bằng thuật toán cho kết quả trung bình tốt hơn khoảng 2,7% so với cấu hình uniform tốt nhất theo metric mà nhóm xây dựng từ độ cứng và hai phép đo chống trượt. Riêng khả năng chống trượt ngang của các cấu hình tùy chỉnh cao hơn 68% so với mức trung bình của toàn bộ các cấu hình được thử. Với vật thể hình tam giác, thiết kế tùy chỉnh cao hơn 13,2% so với uniform tốt nhất.

Những con số này cần đọc đúng phạm vi. Chúng là kết quả trong bộ hình dạng và protocol thử nghiệm của paper, không phải tuyên bố rằng Fin-A-Rays tăng khả năng gắp 68% trong mọi nhiệm vụ. Một số hình dạng có nhiều đỉnh tròn, chẳng hạn dạng lõm tròn và dạng sóng tròn, thậm chí hoạt động kém hơn với cấu hình do thuật toán tạo ra.

Từ gắp một vật tới để vật tự tìm tư thế trong tay

Khả năng biến dạng không đồng đều còn tạo ra một hiệu ứng khác: vật thể có thể tự xoay hoặc giữ nguyên hướng tùy gradient độ cứng của dãy ngón. Nhóm trình diễn việc thay cấu hình Fin-A-Ray để làm một chi tiết dạng chữ T xoay ngay trong gripper, trong khi một cấu hình khác giữ nó ổn định.

Ở một thử nghiệm khác, một vật hình sao bất quy tắc bị thay đổi tư thế khi dùng ngón Fin Ray rộng, còn dãy 12 ngón 5 mm có thể giữ vật mà ít làm đổi pose hơn. Với các tác vụ như peg-in-hole, đóng gói hoặc cấp chi tiết cho lắp ráp, khả năng gắp mà không làm vật xoay ngoài ý muốn có thể quan trọng không kém lực kẹp.

Nhóm cũng thử các đồ vật đời thường và vật trong bộ benchmark YCB, từ chai, bông cải, lon cho tới khối lượng lục giác 500 g. Các màn trình diễn này cho thấy phạm vi hình dạng mà cấu trúc có thể xử lý, nhưng paper chưa phải một benchmark sản xuất công nghiệp về hàng nghìn chu kỳ, tốc độ pick-and-place, độ bền TPU, contamination hay tỷ lệ thất bại trong môi trường không kiểm soát.

Cơ khí có thể làm bớt việc cho phần mềm, nhưng không thay thế perception

Fin-A-Rays là một ví dụ rõ của hướng morphological computation trong robotics: thay vì mô hình hóa mọi tương tác rồi buộc controller giải chúng, một phần hành vi mong muốn được “lập trình” vào độ mềm, hình dạng và cách các phần cơ khí kết nối với nhau.

Điều đó đặc biệt hấp dẫn với picking và packing, nơi robot thường gặp vật thể có hình dạng thay đổi nhưng không nhất thiết cần thao tác tinh vi như bàn tay người. Một gripper có thể tự bao lấy mép lồi lõm sẽ giảm độ chính xác mà perception và motion planning phải cung cấp trước khi tiếp xúc.

Đổi lại, cơ cấu mềm không tự biết nó đang giữ mạnh bao nhiêu, vật có sắp trượt hay không hoặc bề mặt có dễ hỏng không. Những nhiệm vụ đòi hỏi force control chính xác vẫn có thể cần tactile sensing và feedback. Bài toán tiếp theo vì thế không chỉ là thêm nhiều Fin Ray hơn, mà là tìm mức phân mảnh phù hợp, chế tạo chúng ổn định ở quy mô công nghiệp và kết hợp “trí thông minh cơ học” này với sensing khi nhiệm vụ thực sự cần.