新的控制技术可以提高工业机器人的精度

人类和其他动物的大脑经常练习前馈控制，因为它们非常擅长进行整个系统的建模。但是对于机器而言，这种建模在计算上很困难。但是，华中科技大学和加利福尼亚大学伯克利分校的研究人员开发了一种新的前馈方法，该方法对传统的前馈技术进行了改进。

用于控制机器的前馈机制比反馈机制要准确得多，但是它们在计算上可能很困难。一种新方法比传统技术有所改进，并有望在工业机器人和机器视觉上进行尝试。

大多数人会熟悉“反馈”，在这种反馈中，恒温器之类的机器会在观察到性能错误后进行自我校正：例如，温度超过设定值后，建筑物的供暖系统将关闭。

但是反馈系统可能只是控制的粗略机制：如果将温度上限设置得太高，那么在关闭加热装置之前，室温仍然会开始让您感到不舒服。另一方面，如果将首选温度范围设置得很窄（也许相隔仅几度），则加热系统会在其进入和超出范围时反弹，并会不断地打开和关闭，从而增加了磨损。

前馈控制系统在公众中鲜为人知，但是它们通过测量运行给定机器的整个系统中的变化来克服反馈机制的这些缺陷，并指导机器在有机会之前将这些变化考虑在内产生不良影响。

工程师DailinZhang解释说：“例如，一个试图接球的棒球运动员正在从事前馈控制。”“在跟踪球的轨迹时，她会根据预期的着陆位置来调整运动。”

结果，前馈比反馈准确得多。使用前馈控制的恒温器可能会感觉到门已被打开，因此在房屋温度下降之前打开供暖系统。

但是存在缺点：前馈需要对它们所运行的系统有充分的了解或“建模”。如果恒温器监视门以查看门是否打开，而不是窗户，则说明房子的“模型”不好，并且会变得过冷。

通常，馈入该技术的参数是固定的（例如，可能会打开门或窗户），但是新技术会从不确定的环境中获取此类参数，以通过以下方式实时开发系统的更新模型：一系列步骤。

在对电动机的仿真进行测试后，研究人员发现该技术确实比传统的前馈补偿实现了更好的性能。

研究人员本身就是机器视觉和改善工业机器人校准的专家，他们接下来想在这样的现实挑战中试用他们的技术。