Festo 仿生家族
——從飛狐到手臂

Festo 是一家領先的國際性自動化技術供應商，致力于研發智能化和便捷的解決方案，也是工業培訓和教育項目的領先者。

多年來Festo 一直為工廠和流程自動化提供動力，并通過研究項目共同塑造未來生產系統。為此，研究項目深入鉆研機電一體化的最新開發、先進仿真技術、微系統技術，以及工業4.0 智能組件。Festo 的創新管理為先進理念、知識與技術向在市場中取得成功的產品的轉化創造必要的框架條件。

在工廠日常活動中，自動化技術承擔典型的任務，例如物料的抓取、運動和定位以及控制和調節工藝過程。自然界理所當然、簡單和節能地完成所有這些任務。什么還能比觀察自然現象和從中學習更方便呢？因此，Festo 已與著名高校和研究所、開發公司和私人發明人建立了一個聯合體：仿生學習網絡。

BionicFlyingFox 運用智能運動學的超輕型飛行物

為了研發BionicFlyingFox，Festo 仿生學習網絡的開發人員仔細研究了狐蝠這種生物，并以技術手段模擬了它獨特的飛行模式。通過集成機載電子板與一個外置運動追蹤系統的相互配合，超輕型飛行物能夠在特定空間內進行半自主飛行。

狐蝠（英文：flying fox）是蝙蝠的一種。蝙蝠是唯一可以主動飛行的哺乳動物。狐蝠的一個典型特征是它精細且富有彈性的翼膜，從延長的前掌骨與指骨一直延伸至腳關節。在飛行時，狐蝠能用手指有針對性地控制翼膜的曲率，從而能夠以符合空氣動力學的方式在空中靈活飛行。這樣一來，即使在慢速飛行時，它們也能獲得最大升力。

模擬自然樣本的靈活運動學

人造狐蝠兩翼展開寬度為228 厘米，體長為87 厘米，整體僅重580 克。就如自然界的狐蝠一樣，人造狐蝠的翼動力學也由手肘兩個關節組成，上面繃了一層有彈性的翼膜，翼膜從兩翼一直延伸至后肢。如此一來，人造狐蝠兩翼的面積相對較大，并能實現極小的翼負載。與自然界的狐蝠一樣，BionicFlyingFox 的所有關節點也都處于同一平面，以便它可以單獨控制機翼以及折疊雙翼。

專門研制的翼膜

該仿生模型的翼膜極薄、超輕、但卻十分強韌。它由兩片氣密薄膜和一塊氨綸織物組成，它們通過約45000 個焊接點緊密地焊接在一起。由于翼膜具有足夠的彈性，即使在收起雙翼時，它們也幾乎沒有褶皺。織物的蜂窩結構防止翼膜上的小裂紋進一步擴大。因此，即使翼膜出現輕微損傷，BionicFlyingFox 自己仍能繼續飛行。

精巧的結構：機身內置的機載電子板與兩翼中的機械構造相互配合

在特定空間內進行半自主飛行

為了能使BionicFlyingFox 在特定空間內進行半自主飛行，它需要與所謂的運動追蹤系統通訊。運動追蹤系統能夠持續檢測它的位置。同時系統還能規劃飛行軌跡，并提供必要的控制指令。人可以手動控制飛行物的起飛與降落。在飛行中，自動駕駛儀掌管飛行任務。

可移動式照相系統進行精確定位

運動追蹤系統的重要組成部分是兩臺紅外相機，它們被安裝在一個可搖擺可傾斜的云臺上。如此，相機便可以隨意轉動或傾斜，以便能從地面開始追蹤BionicFlyingFox 的整個飛行過程。借助附著于兩翼與兩條后肢的四個特殊紅外標記，相機能夠識別人造狐蝠的運動。

對理想飛行軌跡進行機器學習

相機捕捉的圖像傳送至中央主機。中央主機評估數據，并像外部領航員一樣協調飛行。為此，中央主機上具有預編制的飛行路徑，能夠預先確定BionicFlyingFox 飛行時的軌跡。為了能以最佳方式按照規定路徑飛行，人造狐蝠可借助它的機載電子板與復雜的行為模式自行計算必要的機翼運動。

人造狐蝠從中央主機處獲得必要的控制算法，主機能對算法進行機器學習，算法也能被不斷改進。通過這種方式，BionicFlyingFox 可在飛行中優化飛行行為，更精準地沿著既定軌道繼續繞圈飛行。此外，通過后肢的運動與由此調節的機翼表面能夠對飛行進行操控。

BionicSoftHand 氣動機械手與人工智能

無論是抓、握還是旋轉、觸摸、敲擊或者按壓——日常生活中，我們都會用手完成這些各式各樣的動作。人手是大自然真正的杰作——一種多么奇妙的工具。沒有什么比在協作式工作空間中裝入有仿生夾具、且可以通過人工智能學習來解決各種各樣抓握和轉動任務的機器人更便捷的了。

強化學習：獎勵原則

BionicSoftHand 使用強化學習法，即通過鞏固強化進行學習。這意味著機械手將會習得一個目標，而不是一個必須模仿的具體行為。這需要它通過反復嘗試（試錯）實現。在所得反饋的基礎上——無論積極還是消極的反饋——它不斷優化行動，直到最終成功完成任務。

數字雙胞胎：現實機械手及其在模擬模型中的虛擬圖像

現實機械手的數字雙胞胎

具體來說，BionicSoftHand 應該轉動一個十二面骰子，最終使預先指定的一面向上。借助在虛擬環境中借助深度相機數據與人工智能算法創建的數字雙胞胎，可以完成對必要行為策略的學習。

通過大規模并行學習快速傳授知識

數字模擬模型，尤其是在將模型數量增倍時，可大大加快訓練速度。在大規模并行學習中，所習得的知識將共享給所有虛擬機械手，然后在新的知識水平基礎上繼續工作——一個錯誤只犯一次。而成功的行動會立即被所有模型采納。

模擬操控訓練結束后，所習得的操控方法將被轉移到現實的BionicSoftHand中。通過虛擬環境中習得的行為策略，機械手可將骰子轉動至所需的一面，將來還可實現對其他物體的定向操作。通過這種方式將已習得的知識模塊和新技能分享給其他機械手，實現全面信息覆蓋。巧妙功能集成：狹小空間中集成了眾多組件、技術與功能

氣動運動學與3D 織物

與人類的手不同，BionicSoftHand沒有骨骼。它通過手指上的氣動波紋管結構控制動作。當氣室充滿空氣時，手指彎曲；氣室排空時，手指呈伸展狀態。拇指和食指中還裝有旋轉模型，使這兩個手指可橫向移動。通過這一設計，仿生機械手總共可實現12 個自由度。

手指上的波紋管被一個特殊的3D 紡織涂層包圍，該涂層由有彈性且高強度的線編織而成。紡織涂層用于確定該構造擴展的位置與發力點、以及擴展受阻的位置。

壓電式比例閥實現精確調控

為了最大限度減低BionicSoftHand 軟管設計的復雜度，開發人員在手的正下方設計了一個小型數字化調控的閥島。如此可不必通過牽拉整個機械臂完成對手指的操控。因此，BionicSoftHand 的進氣和排氣各通過一根軟管進行，可以快速、輕松連接并投入運行。使用的壓電式比例閥可精確控制手指運動。

人機協作潛力

BionicSoftHand 中靈活的氣動運動學設計以及對彈性材料和輕型部件的運用使其不同于電動或電纜驅動的機械手，也使其生產成本降低。由于采用模塊化設計，也可以更換使用三指或四指的夾具。

與 氣 動 輕 型 機 器 人（ 如 BionicCobot 或BionicSoftArm）相結合，可實現直接且安全的人機協作。兩臺機器人均具有柔性，無需像傳統工廠機器人那樣與工人隔離。

因此，BionicSoftHand 專為應用于未來工廠的協作式工作空間而設計。由于靈活的機械手可有力且靈敏地抓握，因此可以作為各類組裝工作的“第三只”輔助手臂或用作服務機器人。