利用深度学习赋予机器人指尖触觉

布里斯托尔大学的研究人员最近训练了一个基于深层神经网络的模型来收集三维物体的触觉信息。他们的论文发表在《IEEE机器人与电子工程师协会》上。他们将深度学习技术应用到具有感知能力的机器人指尖上，发现它可以推断出更多关于周围环境的信息。

“我们的总体想法是，在控制机器人与周围环境进行身体互动时，人为地重现触觉，”参与这项研究的内森·勒波拉教授告诉TechXplore。人类不用思考就能做到这一点——例如，当他们用手指触摸一个物体来感受它的形状时。然而，这背后的计算却异常复杂。我们在机器人身上实现了这种物理交互，将深度学习应用于人造指尖，模拟人类皮肤的感觉。”

勒波拉教授近十年来一直在试图在机器人身上重现触觉。在他之前的作品中，他使用了更传统的机器学习技术，例如概率分类器。然而，他发现这些技术只允许机器人执行非常基本的任务，比如用慢拍动作感觉简单的二维图形。

勒波拉教授说:“这篇新论文的突破之处在于，我们使用的方法是在三维空间中研究复杂的自然物体，就像人类那样滑动指尖。”“我们之所以能做到这一点，是因为过去几年在深度学习方面取得了进步。”

给机器人提供触觉可以帮助它们控制自己的手和指尖，让它们能够估计物体的形状和质地，或者它们接触到的物体的部分。例如，当一个机器人沿着一个边缘滑过一个表面时，它能够估计边缘的角度并相应地移动它的机械手指。

“深度学习让我们能够构建可靠的地图，从感官数据到边缘角度等表面特征，”勒波拉教授说。这很困难，因为在物体表面滑动一个类似人类的柔软指尖，会扭曲采集到的数据。在此之前，我们无法将这种扭曲从表面形状中分离出来，但在这项工作中，我们成功地训练了一个深度卷积神经网络，其中包含了扭曲的触觉数据的例子，这使我们能够在不到一度的范围内做出精确的表面角度估计。”

通过收集对表面角度的精确估计，勒波拉和他的同事设计的深度学习技术能够更好地控制机器人的指尖。在未来，这种方法可以为机器人提供类似于人类的身体灵活性，使它们能够根据与之交互的对象有效地调整其抓取和操作策略。

到目前为止，研究人员已经证明了他们的技术的有效性，将其与单个机器人指尖集成。然而，在未来，它可以应用于所有的软体机器人的指尖和四肢，让它能够像人类一样处理工具和完成操作任务。这最终可能为开发更高效的机器人铺平道路，这些机器人将被部署在各种环境中，包括用于完成家务、在农场采摘农产品或在医疗环境中照顾病人需求的机器人。

勒波拉教授说:“我的实验室还制造出了3d打印的指尖和全机械手，它们具有可复制人类触觉的触感。”“在我们接下来的研究中，我们打算使用人工智能方法，比如我们在论文中提出的方法，来研究与整个触觉机器人手的灵巧互动，这将使机器人更有效地处理工具或其他物体。”