布里斯托大學(xué)的研究人員最近訓練了一種基于深度神經(jīng)網(wǎng)絡(luò )的模型，以收集有關(guān)3-D對象的觸覺(jué)信息。在發(fā)表于《IEEE機器人與自動(dòng)化》雜志的論文中，他們將深度學(xué)習技術(shù)應用于具有傳感功能的機器人指尖，并發(fā)現該技術(shù)可以推斷出有關(guān)周?chē)h(huán)境的更多信息。

進(jìn)行這項研究的研究人員之一內森·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?chē)h(huán)境進(jìn)行物理交互時(shí)，人為地重新創(chuàng )造觸摸感。” “人類(lèi)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(shí)。然而，其背后的計算卻令人驚訝地復雜。我們通過(guò)將深度學(xué)習應用于人工，在機器人上實(shí)現了這種類(lèi)型的物理交互。類(lèi)似于人類(lèi)皮膚的指尖。”

Lepora教授近十年來(lái)一直在嘗試在機器人中重塑觸覺(jué)。在他以前的作品中，他使用了更傳統的機器學(xué)習技術(shù)，例如概率分類(lèi)器。但是，他發(fā)現這些技術(shù)僅允許機器人執行非?；镜娜蝿?wù)，例如以緩慢的敲擊運動(dòng)感覺(jué)簡(jiǎn)單的2D形狀。

Lepora教授說(shuō)：“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(gè)維度上起作用，使指尖滑動(dòng)得像人類(lèi)一樣。” “由于過(guò)去幾年在深度學(xué)習方面的進(jìn)步，我們之所以能夠做到這一點(diǎn)。”

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對象的一部分的形狀和紋理。例如，當機器人沿著(zhù)一條邊緣在表面上滑動(dòng)時(shí)，機器人可能能夠估算出邊緣的角度并相應地移動(dòng)其機器人手指。

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

通過(guò)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(xué)習技術(shù)可以更好地控制機械手的指尖。將來(lái)，這種方法可以為機器人提供類(lèi)似于人類(lèi)的物理靈巧性，使他們可以根據與之交互的對象有效地調整其抓握和操縱策略。

到目前為止，研究人員已經(jīng)通過(guò)將其與單個(gè)機器人指尖集成來(lái)證明了其技術(shù)的有效性。但是，將來(lái)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(lèi)一樣操作工具并完成操縱任務(wù)。這最終可能為開(kāi)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(wù)，在農場(chǎng)采摘農產(chǎn)品或滿(mǎn)足醫療機構中患者需求的機器人。

Lepora教授說(shuō)：“我的實(shí)驗室還制作了3D打印的指尖和完整的機械手，并帶有觸覺(jué)感應，可以復制人的觸覺(jué)。” “在接下來(lái)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(lái)研究與整個(gè)觸覺(jué)機器人手的靈巧互動(dòng)，這將使機器人更有效地處理工具或其他物體。”