新型多方向高分辨率触觉传感器，让机器人的指尖充满温度

GelSight传感器之所以在基于学习的方法下表现优异，主要是因为它能够输入高分辨率的触觉图像。这些图像包含了丰富的信息，如目标的几何外形、表面纹理、法向量以及剪切力等，对于机器人的控制来说，这些信息是至关重要的。

计算机视觉卷积网络能够很好地处理这些触觉图像。基于此，一系列的研究成果应运而生。例如，Calandra等人利用自监督的方法，基于GelSight数据训练了抓取成功分类器的模型；Tian等人则提出了一种基于视频预测的控制算法Visual Foresight，使机器人能够仅依靠触觉图像完成掷骰子的任务；Lambeta等人还提出了一种基于GelSight图像的强化学习算法，并将其应用于手工操作。

尽管取得了这些成果，但将GelSight传感器应用于实际工作时仍面临一些挑战。其中最大的挑战是传感器的尺寸和视场问题。当前的GelSight传感器只在单个方向上具有传感能力，尺寸较大，这在某些实际操作中带来了不便。针对这一问题，研究人员提出了一种更为紧致的全向传感器——OmniTact传感器。

OmniTact传感器与标准的GelSight传感器相比具有显著的优势。如下图所示，标准的GelSight传感器只有一个方向的视野，尺寸较大且表面平滑，分辨率较低（约为x像素），难以满足精细物体的触觉感知需求。而商用的OptoForce力传感器则只能提供较为单一的力矢量信息。相比之下，OmniTact传感器则配备了多个方向的摄像头和高分辨率的感知系统，其弯曲的硅胶外壳能更好地适应各种形状，从而提供更全面的感知视野（上图中右侧灰色矩形代表摄像头，橙色线表示感知视野）。

OmniTact传感器的设计灵感来源于人类手指的触觉感知方式。它利用嵌入在硅胶外壳内的摄像头来捕捉形变信息，能够获取包括剪切-法向力、目标位姿、几何形状以及材料特性等丰富的信息。OmniTact传感器采用了多个相机实现高分辨率和多方向感知能力的小型化设计。这种小巧的外形使得它可以直接集成到夹爪或机械手上，从而实现更精细化的操作。

OmniTact传感器的出现为机器人的触觉感知开辟了新的道路。其独特的设计和高性能表现使其成为未来机器人技术发展的重要推动力。