根據英國《自然》雜志30日發表的一項工程學論文，美國麻省理工學院團隊報告研發出一種裝配了傳感器的“人工智能手套”，可以學習識別單...
根據
英國《自然》雜志30日發表的一項工程學論文，
美國麻省理工學院團隊報告研發出一種裝配了傳感器的“人工智能手套”，可以學習識別單個物體、估算重量和應用觸覺反饋。這一成果有助于未來設計假體、機械工具和人機交互系統。
人類能夠以適當的力度抓握和感受物體，但是這種感覺反饋卻很難在機器人身上實現。近年來，基于計算機視覺的抓握策略，在新興機器學習工具的幫助下，取得了長足進步，但是目前依然缺少依賴于觸覺信息的平臺。
此次，麻省理工學院科學家薩博拉馬伊安·桑德拉姆及其同事，設計了一種實用且簡易廉價的可伸縮觸覺手套，其僅需10美元，手套上面布置了548個傳感器和64個導電線電極。
這種觸覺手套相當于由一張力敏薄膜和導電線網絡組成的傳感器陣列。電極與薄膜之間的每一個重合點都對垂直力敏感，并會記錄通過薄膜的電阻。研究人員帶上手套單手操控物體，由此記錄了一個大規模的觸覺圖譜數據集。數據集包含手指區域的空間關聯和對應，它們代表了人類抓握的觸覺特征。
研究團隊使用手套，單手與26個物體進行互動，時間超過5個小時，并錄下了觸覺
視頻。之后，他們利用記錄下來的數據訓練一種深度學習網絡來識別這些圖片，發現該深度學習網絡能夠通過持握方式鑒定出不同的物體。
這一技術的未來應用將非常廣泛，譬如可用于機器人手術。這一領域此前最大的局限之一就是機器人缺乏人類外科醫生操作的“手感”，增加了手術的不確定性和風險性，但通過力觸覺反饋機制，可以讓手術機器人將觸覺實時傳遞給主刀醫生以及處理器，進一步將人工智能醫療精準化。
當你輕輕拿起一顆雞蛋，既不會用力過度捏爆它，也不會力道過輕把它摔地上，這種人類與生俱來的本領，對機器人來說卻是個大挑戰。觸覺并非簡單的系統，我們隨隨便便一個抓取動作，可以組合運用到各種感知能力，但對機器人來說，再多的算法疊加，它仍然如同盲人摸象。現在，深度學習賦予了機器人更好的觸覺表現，開始讓低等的數據轉換為高等的信息，或許不久的未來，機器人將能真正擁有皮膚一般的感知功能。
粵公網安備 44010602004351號