科学家将极端手指灵敏度带到机器人身上

马克斯·普朗克智能系统研究所（Max Planck Institute for Intelligent Systems，MPI-IS）的科学家团队推出了一个强大的软触觉传感器，依靠计算机视觉和深度神经网络来估计物体与传感器接触的位置。它还可以估计施加的力大小。

发表在 Nature Machine Intelligence上的新研究将帮助机器人像人类和动物一样准确地感知环境。

带有骨架的拇指形传感器

传感器的形状像拇指，由一个柔软的壳体围绕着一个轻量级的骨架构成。骨架的作用与骨头一样，稳定柔软的手指组织，由混合有反光铝片的弹性体材料制成。这种材料呈现出一种灰色，可以防止外部光线进入。手指内部有一个160度的鱼眼摄像头，记录由LED照亮的彩色图像。

传感器的外壳接触到物体时，传感器内部的颜色模式会发生变化，摄像头快速记录图像并将数据输入深度神经网络。

算法可以检测每个像素的微小光变化，在不到一秒的时间内，机器学习模型就能绘制出手指与物体接触的位置，并确定力大小和方向。

Georg Martius 是 MPI-IS 的马克斯·普朗克研究组组长，也是自主学习组的负责人。

“我们通过创新性的机械设计、内部成像系统、自动数据收集和最先进的深度学习实现了这种优秀的感知性能，” Martius 说。

Huanbo Sun 是 Martius 的博士生。

“我们的独特混合结构由柔软的壳体包围着刚性骨架，确保了高灵敏度和强壮性。我们的摄像头可以从单张图像中检测到表面的微小变形，” Sun 说。

根据 MPI-IS 的触觉智能部门主任 Katherine J. Kuchenbecker 的说法，这些新传感器将非常有用。

“以前的软触觉传感器只有小的感知区域，易碎且难以制造，通常无法感知与皮肤平行的力，这对于机器人操作，如拿着一杯水或在桌子上滑动硬币，是必不可少的，” Kuchenbecker 说。

教导传感器学习

为了使传感器能够学习，Sun 开发了一个测试平台，用于生成机器学习模型的训练数据，以便模型了解原始图像像素变化与施加的力之间的相关性。测试平台在传感器表面生成了大约 200,000 个测量值，模型在一天内完成了训练。

“我们工作中提出的硬件和软件设计可以转移到具有不同形状和精度要求的各种机器人部件。机器学习架构、训练和推理过程都是通用的，可以应用于许多其他传感器设计，” Huanbo Sun 说。