儘管近年來工業機器人的發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。由於存在多種挑戰，包括用於覆蓋多彎曲表面的困難，高線數或包裝限制，難以在靈巧的手中使用，用於構建觸摸傳感器的現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日宣佈，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。”Matei Ciocarlie與電氣工程教授Ioannis（John）Kymissis合作完成這一研發。後者解釋道，“在本文中，我們展示了一種多彎曲的機械手手指，該手指在複雜的3D表面上具有精確的觸摸定位和法向力檢測。”
此前試驗已經證明，由於包括用於覆蓋多彎曲表面的困難，高導線數或難以裝配到小指尖的多種挑戰，當前用於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於靈巧的機器人手中使用。
因此，Columbia Engineering團隊採用了一種新方法：他們新穎地使用來自嵌入在覆蓋手指功能區域的透明波導層中的光發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據集，該數據集會隨著手指由於觸摸而變形而發生變化。然後，他們證明了純數據驅動的深度學習方法可以從數據中提取有用的信息，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，該材料實現了易於使用、易於製造、完全集成的、具有傳感功能的機器人手指製造，同時其線數少，並且易於集成到靈巧的機械手中。
（機械臂接觸觸覺手指，以收集用於機器學習算法的訓練數據。圖片來源：Pedro Piacenza /哥倫比亞工程大學）
該研究發表在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製成的材料，他們在其中發光了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。由於光也可以在彎曲的空間中反彈，因此這些信號可以覆蓋複雜的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繫信息-在每平方釐米的皮膚中有400多個微型觸摸傳感器！” 那是促使我們嘗試從手指中獲取儘可能多數據的模型。確保手指各側的所有接觸都被遮蓋非常關鍵-我們實質上是製造了沒有盲點的觸覺機器人手指。”
其次，團隊設計了這些數據，以供機器學習算法處理。但一開始由於信號太多，所有信號都部分重疊，因此數據太複雜而無法被人解釋。幸運的是，他們發現，當前的機器學習技術可以學習提取研究人員關心的信息：手指在哪裡觸摸，手指在觸摸什麼，施加了多少力等。
“我們的結果表明，深度神經網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。將系統集成到手上很容易：由於這項新技術，手指可以收集將近1,000個信號，但是隻需要一條14線電纜將其連接到手上，就不需要複雜的外接電子設備。在實驗室中，研究人員已經有兩隻靈巧的手（能夠抓握和操縱物體）用這些手指裝備-一隻手有三個手指，另一隻手有四個手指。在接下來的幾個月中，研究小組將根據觸覺和本體感受數據，使用這些手來嘗試證明其靈巧的操作能力。
Ciocarlie補充說：“在製造和物流等領域，現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。”
該研究的原文標題為“通過重疊的光信號進行數據驅動的觸摸感應的多曲線機器人手指”。（ "A Sensorized Multicurved Robot Finger with Datadriven Touch Sensing via Overlapping Light Signals."）
閱讀更多 中國機器人網 的文章
