（文章來源：中國機器人網(wǎng)）

盡管近年來工業(yè)機器人的發(fā)展使得人類在觸摸和力傳遞方面取得了重大進展，但觸覺傳感仍遠沒有在機器人操縱中普遍存在。由于存在多種挑戰(zhàn)，包括用于覆蓋多彎曲表面的困難，高線數(shù)或包裝限制，難以在靈巧的手中使用，用于構建觸摸傳感器的現(xiàn)有方法已被證明難以集成到機器人手指中。

哥倫比亞工程公司的研究人員26日宣布，他們推出了一種新型的具有觸摸感的機械手指。他們的手指可以在很大面積、多曲線的表面上以極高的精度（<1毫米）來定位觸摸，這與人類的手指已經(jīng)非常相似。

機械工程和計算機科學系副教授Matei Ciocarlie表示：“獨立的觸覺傳感器和完全集成的觸覺手指之間一直存在著差距，觸覺傳感在機器人操縱中仍遠遠沒有普及?！盡atei Ciocarlie與電氣工程教授Ioannis（John）Kymissis合作完成這一研發(fā)。后者解釋道，“在本文中，我們展示了一種多彎曲的機械手手指，該手指在復雜的3D表面上具有精確的觸摸定位和法向力檢測?！?/p>

此前試驗已經(jīng)證明，由于包括用于覆蓋多彎曲表面的困難，高導線數(shù)或難以裝配到小指尖的多種挑戰(zhàn)，當前用于構建觸摸傳感器的技術和方法，難以集成到機器人手指中，從而組阻止了它們應用于靈巧的機器人手中使用。因此，Columbia Engineering團隊采用了一種新方法：他們新穎地使用來自嵌入在覆蓋手指功能區(qū)域的透明波導層中的光發(fā)射器和接收器的重疊信號，攻克了這一難關。

他們通過測量每個發(fā)射器和接收器之間的光傳輸，試驗表明，該方法可以獲得非常豐富的信號數(shù)據(jù)集，該數(shù)據(jù)集會隨著手指由于觸摸而變形而發(fā)生變化。然后，他們證明了純數(shù)據(jù)驅動的深度學習方法可以從數(shù)據(jù)中提取有用的信息，包括接觸位置和施加的法向力，而無需分析模型。他們的最終結果是，該材料實現(xiàn)了易于使用、易于制造、完全集成的、具有傳感功能的機器人手指制造，同時其線數(shù)少，并且易于集成到靈巧的機械手中。

該研究發(fā)表在IEEE/ASME Transactions on Mechatronics ( Early Access )上，文章演示了基礎技術的兩個方面，這些方面相結合以實現(xiàn)新結果。

首先，在這個項目中，研究人員使用光線來感應觸摸。在“皮膚”下，他們的手指上有一層由透明硅樹脂制成的材料，他們在其中發(fā)光了30多個LED。手指還具有30多個光電二極管，可測量周圍光線的反射。每當手指觸摸某物時，其皮膚就會變形，因此光線會在下面的透明層中四處移動。通過測量從每個LED到每個二極管的光量，研究人員最終獲得了近1,000個信號，每個信號都包含有關所進行的接觸的一些信息。由于光也可以在彎曲的空間中反彈，因此這些信號可以覆蓋復雜的3D形狀，例如指尖。

Ciocarlie說：“人的手指提供了令人難以置信的豐富的聯(lián)系信息-在每平方厘米的皮膚中有400多個微型觸摸傳感器！” 那是促使我們嘗試從手指中獲取盡可能多數(shù)據(jù)的模型。確保手指各側的所有接觸都被遮蓋非常關鍵-我們實質上是制造了沒有盲點的觸覺機器人手指?！?/p>

其次，團隊設計了這些數(shù)據(jù)，以供機器學習算法處理。但一開始由于信號太多，所有信號都部分重疊，因此數(shù)據(jù)太復雜而無法被人解釋。幸運的是，他們發(fā)現(xiàn)，當前的機器學習技術可以學習提取研究人員關心的信息：手指在哪里觸摸，手指在觸摸什么，施加了多少力等。

“我們的結果表明，深度神經(jīng)網(wǎng)絡可以非常高精度地提取此信息，” Kymissis說。“我們的設備從一開始就是真正設計成可與AI算法結合使用的觸覺手指。”Ciocarlie說道。

此外，該團隊還建立了手指模型端口，以便可以將該手指和其他手指放在機器人手上對比。將系統(tǒng)集成到手上很容易：由于這項新技術，手指可以收集將近1,000個信號，但是只需要一條14線電纜將其連接到手上，就不需要復雜的外接電子設備。在實驗室中，研究人員已經(jīng)有兩只靈巧的手（能夠抓握和操縱物體）用這些手指裝備-一只手有三個手指，另一只手有四個手指。在接下來的幾個月中，研究小組將根據(jù)觸覺和本體感受數(shù)據(jù)，使用這些手來嘗試證明其靈巧的操作能力。

Ciocarlie補充說：“在制造和物流等領域，現(xiàn)在需要機器人的操縱，從長遠來看，它同時也是在其他領域（例如醫(yī)療保健或服務領域）啟用個人機器人幫助所需要的技術之一。”
? ? ? ?（責任編輯：fqj）