布里斯托大學的研究人員最近訓練了一種基于深度神經(jīng)網(wǎng)絡的模型，以收集有關3-D對象的觸覺信息。在發(fā)表于《IEEE機器人與自動化》雜志的論文中，他們將深度學習技術應用于具有傳感功能的機器人指尖，并發(fā)現(xiàn)該技術可以推斷出有關周圍環(huán)境的更多信息。

進行這項研究的研究人員之一內(nèi)森·勒波拉（Nathan Lepora）教授對TechXplore表示：“我們的總體想法是，當控制機器人與周圍環(huán)境進行物理交互時，人為地重新創(chuàng)造觸摸感?！?“人類這樣做是不經(jīng)意的，例如，當用手指在物體上刷手指以感知其形狀時。然而，其背后的計算卻令人驚訝地復雜。我們通過將深度學習應用于人工，在機器人上實現(xiàn)了這種類型的物理交互。類似于人類皮膚的指尖?！?/p>

Lepora教授近十年來一直在嘗試在機器人中重塑觸覺。在他以前的作品中，他使用了更傳統(tǒng)的機器學習技術，例如概率分類器。但是，他發(fā)現(xiàn)這些技術僅允許機器人執(zhí)行非常基本的任務，例如以緩慢的敲擊運動感覺簡單的2D形狀。

Lepora教授說：“這項新論文的突破在于，我們在自然復雜物體上使用的方法在三個維度上起作用，使指尖滑動得像人類一樣。” “由于過去幾年在深度學習方面的進步，我們之所以能夠做到這一點?！?/p>

為機器人提供觸摸感可以幫助控制其手和指尖，從而使它們能夠估計與其接觸的對象或?qū)ο蟮囊徊糠值男螤詈图y理。例如，當機器人沿著一條邊緣在表面上滑動時，機器人可能能夠估算出邊緣的角度并相應地移動其機器人手指。

Lepora教授說：“深度學習使我們能夠構建從感覺數(shù)據(jù)到表面特征（例如邊緣角度）的可靠地圖?！?“這很困難，因為在表面上滑動像人一樣柔軟的指尖會扭曲所收集的數(shù)據(jù)。以前，我們無法將這種失真與表面形狀分開，但是在這項工作中，我們成功地進行了深度卷積訓練神經(jīng)網(wǎng)絡，其中包含觸覺數(shù)據(jù)失真的示例，這使我們能夠在幾分之一度內(nèi)生成準確的表面角度估計。”

通過收集準確的表面角度估算值，Lepora教授及其同事設計的深度學習技術可以更好地控制機械手的指尖。將來，這種方法可以為機器人提供類似于人類的物理靈巧性，使他們可以根據(jù)與之交互的對象有效地調(diào)整其抓握和操縱策略。

到目前為止，研究人員已經(jīng)通過將其與單個機器人指尖集成來證明了其技術的有效性。但是，將來可以將其應用于軟機器人的所有指尖和四肢，從而使其可以像人類一樣操作工具并完成操縱任務。這最終可能為開發(fā)更高效的機器人以在各種環(huán)境中部署鋪平道路，其中包括設計用于完成家務，在農(nóng)場采摘農(nóng)產(chǎn)品或滿足醫(yī)療機構中患者需求的機器人。

Lepora教授說：“我的實驗室還制作了3D打印的指尖和完整的機械手，并帶有觸覺感應，可以復制人的觸覺?！?“在接下來的研究中，我們打算使用人工智能方法（例如本文中提出的方法）來研究與整個觸覺機器人手的靈巧互動，這將使機器人更有效地處理工具或其他物體?！?/p>