Credit:pix abay/CC0 Public Domain在2022年2月23日发表在《自然机器智能》(Nature Machine Intelligence)上的一篇论文中，马克斯·普朗克智能系统研究所(MPI-IS)的一组科学家介绍了一种名为“Insight”的鲁棒软触觉传感器，该传感器使用计算机视觉和深度神经网络来精确估计物体与传感器接触的位置以及施加的力有多大。这个研究项目是机器人能够像人类和动物一样准确感知周围环境的重要一步。就像它的自然对应物一样，指尖传感器非常灵敏、鲁棒和高分辨率。拇指形状的传感器是由一个柔软的外壳围绕着一个轻质坚硬的骨架制成的。这个骨骼支撑着这个结构，就像骨骼稳定手指软组织一样。外壳由混合了深色反光铝片的弹性体制成，形成不透明的浅灰色，防止任何外部光线进入。隐藏在这个手指大小的帽子里的是一个微小的160度fis h-eye相机，它可以记录彩色图像，由一圈led照明。
当任何物体接触传感器的外壳时，传感器内部的颜色图案外观会发生变化。相机每秒钟记录许多次图像，并将这些数据输入深度神经网络。该算法甚至可以检测到每个像素中最小的光线变化。在几分之一秒内，经过训练的机器学习模型可以绘制出手指接触物体的确切位置，确定力度有多大，并指示力度方向。该模型推断出科学家所说的力图:它为三维指尖中的每个点提供了一个力矢量。
“我们通过外壳的创新机械设计、内部定制的成像系统、自动数据收集和尖端的深度学习实现了这种出色的传感性能，”MPI-IS的Max Planck研究小组负责人Georg Martius说，他是自主学习小组的负责人。他的博士生孙焕波补充说:“我们独特的软壳包围硬骨架的混合结构确保了高灵敏度和鲁棒性。我们的相机甚至可以从一张图像中检测到表面最轻微的变形。”事实上，在测试传感器时，研究人员意识到它足够敏感，可以感觉到自己相对于重力的方向。
该团队的第三名成员是凯瑟琳·j·库琴贝克(Katherine J. Kuchenbecker)，他是MPI-IS触觉智能部门的主任。她确认新的传感器会有用。Kuchenbecker说:“以前的软触觉传感器只有很小的感应区域，很脆弱，很难制造，并且经常感觉不到平行于皮肤的力，而这对于机器人操纵来说是必不可少的，比如拿着一杯水或沿着桌子滑动硬币。”
但是这样的传感器是怎么学习的呢？Huanbo Sun设计了一个测试平台，以生成机器学习模型所需的训练数据，从而了解r aw图像像素的变化与所施加的力之间的相关性。试验台探测传感器的所有表面，并记录真实的接触力矢量以及传感器内部的摄像机图像。这样，产生了大约200，000个测量值。收集数据花了近三周时间，训练机器学习模型又花了一天时间。在如此多不同接触力的长期实验中幸存下来，有助于证明Insight机械设计的鲁棒性，使用更大探针的测试显示了传感系统的通用性。
拇指形传感器的另一个特点是它有一个指甲形的区域，有一个较薄的弹性体层。这种触觉中央窝被设计用来检测甚至微小的力和物体的详细形状。对于这个超级敏感的区域，科学家们选择了1.2毫米的弹性体厚度，而不是他们在手指传感器的其余部分使用的4毫米。
“我们在工作中提出的硬件和软件设计可以转移到各种不同形状和精度要求的机器人部件上。机器学习架构、训练和推理过程都是通用的，可以应用于许多其他传感器设计，”Huanbo Sun总结道。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
