将模块化折纸机械臂重构为用于机器学习与机器人感知的自适应物理计算机

物理计算已成为在功能材料和机器人的机械域中直接执行智能任务的强大工具，减少了我们对更传统的COMS计算机的依赖。然而，尚无系统性研究解释机械设计如何影响物理计算性能。本研究通过将一个受折纸启发的模块化机器人机械臂重构为自适应物理储层，并系统性地评估其在不同物理配置、输入设置和计算任务下的计算能力，为这一问题提供了见解。通过让该自适应储层计算机完成经典的NARMA基准任务，本研究表明其时间序列仿真性能与峰值相似性指数（PSI）直接相关，该指数量化了目标输出与储层动力学之间的频谱相关性。该自适应储层还展示了感知能力，能够从其内在动力学中准确提取其负载重量和方向信息。重要的是，这种信息提取能力可以通过储层体内节点动力学之间的空间相关性来衡量。最后，通过集成形状记忆合金（SMA）驱动，本研究展示了如何利用这种蕴含在物理体中的计算能力进行实际的机器人操作。本研究为从软体机器人和功能材料中获取计算能力提供了一个策略框架，展示了如何根据计算任务需求配置设计参数和输入选择。将此框架扩展到仿生自适应材料、假肢和自适应软体机器人系统，可能实现下一代具身智能，使物理结构能够进行计算并与其数字对应物交互。