你知道,切开一颗土豆的过程中,刀是如何受力的、土豆又会发生怎样的形变吗?



这可不是什么没用的知识+1,至少对于机器人来说,弄清楚其中的规律,才能更好地化身切菜小能手,甚至入驻医院登上手术台。



诚然,机器人也可以像人类一样,通过在现实生活中疯狂切菜来锻炼技艺,但按照机器学习需要的数据规模来说,那可就太浪费材料了……

于是现在,来自英伟达、南加大等研究机构的研究人员,专门给土豆苹果们,搞出了一个可微分仿真引擎,取名DiSECt(Differentiable Cutting Simulator)。



嗯,就是能真实地模拟形变、受力等各种物理量变化的那种。

并且在速度上,比现有的商业化产品快上了几个数量级。

这项研究已经登上了机器人顶会RSS 2021。

帮机器人学切菜的可微分仿真引擎

具体是怎么做到的?

首先,是模拟刀和物体之间的接触关系。这一步,研究人员引入了基于有向距离场(SDF)的连续接触模型和连续损伤模型,并以有限元方法(FEM)进行模拟。

具体而言,基于目标物体的四面体离散化,在计算弹性力时,材料的杨氏模量、泊松比和密度等物理属性都会被考虑在内。



其次,在物体表示方面,研究人员采用了基于网格的方法;并且预设了一个切割平面,在预处理步骤中沿着这个表面插入虚拟节点。



而为了能更真实地模拟土豆这样的材料在受到刀切时,自身发生的断裂情况,研究人员在引入连续损伤模型的基础上,在切割面两侧植入了“弹簧”,就像这样:



在受力情况下,弹簧的刚度和刀施加的接触力成反比,会逐渐减弱直至断开,产生裂纹。



效果如何?

直接来看模拟值与真实值的对比。

可以看到,随着迭代次数的增加,DiSECt中的仿真参数结果十分接近真实值。

这里的真实值,取自现实实验中,机器人握刀切菜时,传感器记录的真实数据。



值得一提的是,利用DiSECt可微分的特性,研究人员还实现了刀的运动轨迹优化。也就是说,能帮机器人找到最省力的切菜方式。



比如一边锯一边切。



研究人员表示,相比于未经优化的直接切割,约束优化后施加在刀上的力减少了15%。

论文还提到,砍瓜切菜还只是这个可微分仿真引擎的第一个小目标。接下来,他们会将这种建模方法扩展到更复杂的切割动作上,比如需要旋转刀片来完成操作的雕刻等。

关于作者

参与该项目的研究机构,包括南加州大学、英伟达、华盛顿大学、多伦多大学和悉尼大学。

一作Eric Heiden是南加州大学的在读博士生,目前的研究方向,是用算法赋予机器人在不确定环境中自主行动的能力。



此前,他曾在NASA和谷歌实习,现在是英伟达的深度学习实习生。DiSECt就是他在英伟达实习期间的成果。

论文链接:
http://arxiv.org/abs/2105.12244

项目链接:
http://diff-cutting-sim.github.io/