MIT新系統教軟性機械人安全互動技巧

新控制系統教軟性機械人學習安全相處之道

麻省理工學院（MIT）電腦科學與人工智能實驗室（CSAIL）及資訊與決策系統實驗室（LIDS）的研究人員，研發出一套數學基礎穩固的控制系統，讓軟性機械人能夠變形、適應環境，並安全地與人和物體互動，避免超出安全限制。

想像一下，一條軟性機械手臂能夠彎曲包覆一串葡萄或西蘭花，並且在提起物件時即時調整握力。與傳統剛性機械人盡量避免接觸環境並保持與人類距離不同，這款軟性手臂能感知細微的力量，像人手一樣伸縮自如。每一個動作都經過精密計算，既能完成任務又不會施加過大力量。MIT CSAIL與LIDS的團隊正是透過複雜數學、精細工程，以及讓機械人能安全地與人和精細物品互動的願景，實現這些看似簡單的動作。

軟性機械人因其可變形特性，有望推動機械人與人類更自然地共處，在醫療照護或工業處理精密物件等領域發揮作用。然而正因為柔軟，控制起來更複雜，輕微的彎曲或扭轉都會產生難以預測的力量，增加損壞或傷害風險，因此對安全控制策略的需求非常迫切。

MIT助理教授Gioele Zardini表示：「我們受到剛性機械人安全控制和形式化方法的啟發，希望將這些概念應用到軟性機械人身上，建模其複雜行為，並且擁抱而非避免接觸，讓機械人能在不犧牲安全和智能的前提下，實現更高性能的設計，如更大承載力和更高精度。」這一理念也得到了其他團隊的共鳴。

安全優先

研究團隊開發出一套融合非線性控制理論、先進物理建模和高效即時優化的新框架，稱為「接觸感知安全」（contact-aware safety）。核心技術包括高階控制障礙函數（HOCBFs）和高階控制李雅普諾夫函數（HOCLFs）。HOCBFs用以界定安全操作邊界，確保機械人不會施加危險力量；HOCLFs則引導機械人高效完成任務，兼顧安全與表現。

MIT機械工程博士生Kiwan Wong說：「我們其實是在教機械人認識自己在與環境互動時的極限，同時達成目標。雖然背後涉及軟性機械人動力學、接觸模型及控制約束的複雜推導，但對使用者而言，設定控制目標和安全障礙其實相當直觀，最終呈現的效果很明顯：機械人動作流暢，能對接觸做出反應，且不會引發危險。」

前CSAIL博士後、伍斯特理工學院助理教授Wei Xiao補充：「與傳統的運動學CBF相比，HOCBF框架簡化了障礙函數設計，且其優化設定考慮了系統動力學（例如慣性），確保軟性機械人能及早停下，避免產生危險的接觸力。」

共同第一作者、迪士尼研究實習生Maximilian Stölzle指出：「軟性機械人因被動材料和結構的柔順性，天然比剛性機械人更具體現智慧和安全性，但其‘認知’智能，特別是安全系統，遠落後於剛性串聯機械手。我們的工作透過調整和應用成熟算法，縮短這種差距，專為安全接觸和軟性連續體動力學量身打造。」

團隊在多項實驗中測試系統的安全性和適應能力。例如，機械手臂輕輕施力於柔軟表面，精確維持力道不超標；手臂沿弧形物體輪廓移動，調整握力避免物品滑落；甚至在與人類操作員共事時，能即時對意外碰撞做出反應。Zardini說：「這些實驗證明我們的框架能適用於多種任務和目標，機械人能感知、調整和行動，並始終尊重明確定義的安全限制。」

軟性機械人的接觸感知安全技術，在高風險領域有極大潛力。醫療方面能輔助手術，提供精確操控同時降低患者風險；工業上可在無需嚴密監督下處理易碎品；家庭中則能安全地協助家務或照顧兒童長者，推動軟性機械人成為可靠的日常夥伴。

CSAIL主任兼電機工程與電腦科學教授Daniela Rus說：「軟性機械人潛力驚人，但如何確保安全並用簡單目標編碼動作，一直是挑戰。我們希望打造一套系統，讓機械人在保持靈活和反應敏捷的同時，數學上保證不會超出安全力道。」

結合軟性機械人模型、可微分模擬與控制理論

控制策略基於一種名為分段Cosserat段（Piecewise Cosserat-Segment，PCS）動力學模型的可微分實現，能準確預測軟性機械人如何變形及力如何分布。此模型讓系統預見機械人身體對驅動和環境複雜互動的反應。共同作者、代爾夫特理工大學副教授Cosimo Della Santina表示：「我最欣賞這項工作是它結合了先進軟性機械人模型、可微分模擬、李雅普諾夫理論、凸優化和基於傷害嚴重度的安全約束，這些新舊工具完美融合，打造出一套基於第一原理的即時控制器。」

此外，團隊還使用了可微分保守分離軸定理（Differentiable Conservative Separating Axis Theorem，DCSAT），能以可微分方式估算軟性機械人與環境中障礙物間的距離，這些障礙物可被近似為一連串凸多邊形。Wong說：「早期的可微分凸多邊形距離度量無法計算穿透深度（關鍵於接觸力估算），或會產生不保守的估計，可能危及安全。而DCSAT能提供嚴格保守的安全估計，且計算快速且可微分。」PCS與DCSAT結合，賦予機械人對環境的預測能力，促進更主動和安全的互動。

未來，團隊計劃將方法擴展至三維軟性機械人，並探索與學習型策略的整合。透過結合接觸感知安全與自適應學習，軟性機械人將能應對更複雜且不可預測的環境。

Rus總結：「這是我們工作令人興奮之處——你看到機械人以類似人類的謹慎方式行動，而這份優雅背後，是嚴謹的控制框架確保它絕不越界。」

未參與此研究的密歇根大學助理教授Daniel Bruder表示：「軟性機械人因其柔順和能量吸收特性，天生比剛性機械人更安全。但隨著軟性機械人變得更快、更強、更有能力，這還不足以保證安全。這項工作邁出關鍵一步，提出限制全身接觸力的方法，確保安全操作。」

該團隊部分工作獲得香港賽馬會獎學金、歐盟地平線歐洲計劃及其他基金支持，研究成果於本月發表在IEEE《機器人與自動化通訊》（Robotics and Automation Letters）期刊。

—

評論與啟示

這項來自MIT的突破，標誌著軟性機械人從「被動柔軟」向「主動安全」邁出了重要一步。過往軟性機械人多依賴其材料與結構的自然柔順來減少傷害風險，但缺乏智能化的安全控制，限制了它們在臨床、工業和家庭等高要求場景的應用。MIT團隊透過結合高階控制理論與先進物理建模，不僅讓軟性機械人能「理解自己身體的限制」，更能在複雜環境中靈活調整，實現安全又高效的互動。

這種「接觸感知安全」的理念，為軟性機械人未來與人類共存鋪路。它告訴我們，未來的機械人不只是「軟」，更要有智慧、有自我保護能力，才能真正成為可靠的助手。從技術層面看，將可微分模擬、優化演算法與控制理論融合，是軟機械人控制的前沿趨勢，展示了跨領域合作的力量。

此外，該研究提出的框架可擴展性強，未來與機器學習結合，機械人能自我學習環境、提升適應性，將使軟性機械人在更不確定和動態的情境中發揮價值。這不僅是工程挑戰，更關乎倫理與安全標準的制定，尤其在醫療和家庭照護等敏感領域。

對香港而言，隨著智慧城市和醫療科技發展，軟性機械人的安全互動技術將有巨大應用空間，例如協助長者照護、精密製造和檢測等。這提醒我們，投資基礎研究與跨領域人才培養，是推動本地創新和產業升級的關鍵。

總之，MIT團隊的成果不僅是技術上的突破，更為軟性機械人安全共融的未來描繪了藍圖，值得業界和學術界深入關注與借鑒。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。