新传感技术机器学习助力让机器人像人一样触摸世界

近年来，工业机器人的发展在触摸和力传递方面取得了重大进展，但触觉传感在机器人操纵中的普及程度仍然远远不足。由于多种挑战的存在，包括覆盖多弯曲表面的困难、高线数或包装限制以及难以在灵巧的手中使用等问题，现有构建触摸传感器的方法难以集成到机器人手指中。

哥伦比亚工程公司的研究人员宣布推出了一种新型的机械手指，其独特的触摸感应功能让人眼前一亮。这种手指能够在多曲线、大面积的表面上以极高的精度（小于1毫米）定位触摸，与人类手指的功能极为相似。

机械工程和计算机科学系副教授Matei Ciocarlie指出，独立触觉传感器与完全集成的触觉手指之间一直存在差距。他和电气工程教授Ioannis（John）Kymissis合作完成了这项研发。他们展示了一种具有多弯曲特性的机械手手指，该手指在复杂的3D表面上能够实现精确的触摸定位和法向力检测。

此前的试验证明了构建触摸传感器的现有方法和技术的难度，导致难以将其集成到机器人手指中。Columbia Engineering团队采取了一种全新的方法。他们巧妙地使用嵌入在覆盖手指功能区域的透明波导层中的光发射器和接收器，解决了这一难题。

通过测量每个发射器和接收器之间的光传输，他们发现这种方法可以生成非常丰富的信号数据集。当手指触摸物体时，其皮肤会变形，导致光线在透明层内移动，从而提供丰富的信号变化。研究人员使用纯数据驱动的深度学习方法，从这些信号数据中提取了有用的信息，包括接触位置和施加的法向力。

这项研究的成果实现了易于使用、易于制造的完全集成化机器人手指的制造，其线数少，易于集成到灵巧的机械手中。机械臂通过接触这种具有触觉功能的手指，可以收集用于机器学习算法的训练数据。

研究者们首先使用光线来感应触摸。在“皮肤”下，他们使用了一层由透明硅树脂制成的材料，在其中设置了数十个LED和光电二极管。当手指触摸物体时，皮肤会变形，导致光线在透明层内移动。通过测量光线从LED到每个二极管的光量，研究人员获得了近1,000个信号，每个信号都包含有关接触的一些信息。由于光可以在弯曲空间中反弹，这些信号可以覆盖复杂的3D形状。

团队设计了这些数据以供机器学习算法处理。他们发现当前的机器学习技术可以学习提取研究人员关心的关键信息：手指在哪里触摸、正在触摸什么以及施加了多少力等。深度神经网络能够以非常高的精度提取这些信息。

该团队还建立了手指模型端口，以便可以轻松地将该手指与其他手指集成到机器人手中。由于新技术的推出，手指可以收集近1,000个信号，但只需通过一条14线电缆连接到手上，无需复杂的外部电子设备。在接下来的几个月中，研究小组计划使用这些手来展示其灵巧的操作能力。