东方时讯网人类本能地学会根据他们处理的材料和他们试图完成的任务来调整他们的动作。例如，在切特定的水果或蔬菜时，他们可能会学会切开较硬的部分，例如鳄梨或桃子种子，或者小心地去除外皮。
为了协助人类完成日常任务，例如烹饪和准备食物，机器人还应该能够有效地切割具有混合材料成分或纹理的物体。然而，到目前为止，将这种能力转移到机器人上已被证明是相当具有挑战性的。
哥伦比亚大学、卡内基梅隆大学、加州大学伯克利分校和美国其他研究所的研究人员最近创建了RoboNinja，这是一种基于机器学习的系统，可以让机器人切割多材料物体，尤其是具有硬核的软物体。他们的论文发表在arXiv预印本服务器上，最终可能有助于增强旨在帮助人类完成家务和日常厨房任务的机器人的能力。
“与之前使用开环切割动作切割单一材料物体(例如，切黄瓜)的作品相比，RoboNinja旨在去除物体的柔软部分，同时保留刚性核心，从而最大限度地提高产量，”Zhenjia徐、周贤和他们的同事在他们的论文中写道。“为实现这一目标，我们的系统通过使用交互式状态估计器和自适应切割策略来关闭感知-动作循环。”
Xu、Xian和他们的同事着手创建一个系统，让机器人能够有效地切割芒果、桃子和鳄梨等水果，从中间的坚硬种子中去除软果肉。他们系统的目标是尽可能多地去除果肉，同时尽量减少与中心种子的碰撞并消耗有限的能量。
“该系统首先使用稀疏碰撞信息来迭代估计物体核心的位置和几何形状，然后根据估计的状态和容差值生成闭环切割动作，”Xu、Xian和他们的同事在他们的论文中写道。“策略的‘自适应性’是通过容差值来实现的，它在遇到碰撞时调节策略的保守性，与估计的核心保持自适应安全距离。”
为了评估他们的多材料物体切割系统，研究人员创建了一个更适合评估他们正在处理的问题的切割模拟环境。这种环境具有不同的场景，在这些场景中，机器人切割由软质和硬质材料组合而成的物体。
“现有的模拟器在模拟多材料物体或计算切割过程中的能量消耗方面存在局限性，”Xu、Xian和他们的同事在他们的论文中解释道。“为了解决这个问题，我们开发了一种可区分的切割模拟器，它支持多材料耦合，并允许生成优化轨迹作为政策学习的示范。”
Xu、Xian和他们的同事进行的模拟结果很有希望，因为RoboNinja允许他们的模拟机器人抓手从物体上移除大量软材料，同时最大限度地减少与刚性部件的碰撞并消耗合理的能量。随后，该团队在真实的机器人抓手上测试了他们的框架，以进一步验证其在现实环境中以及切割具有不同核心几何形状的物体时的性能。
“我们的实验表明，我们的方法能够很好地推广到新的核心几何形状甚至真正的水果，”研究人员在他们的论文中总结道。“我们希望我们的实验结果和新开发的模拟器能够激发未来的机器人学习工作，涉及与多材料物体的交互。”