近日，馬克斯普朗克智慧系統研究所 （MPI-IS） 的一組科學家介紹了一種名為“Insight”的強大的軟觸覺感測器，它使用計算機視覺和深度神經網路準確估計物體與感測器接觸的位置以及施加的力。該研究意味著機器人能夠像人類和動物一樣準確地感知周圍環境，與真實手指類似，拇指感測器非常靈敏、堅固且解析度高。

拇指形感測器由軟殼製成，圍繞輕質堅硬的骨架構建。這個骨架支撐著這個結構，就像骨頭穩定而柔軟的手指組織一樣。外殼由反光鋁片的彈性體制成，形成不透明的灰色，可防止任何外部光線進入。隱藏在這個手指大小的蓋子內的是一個微型 160 度魚眼攝像頭，可以記錄由一圈 LED 照亮的彩色影象。

當任何物體接觸感測器外殼時，感測器內部顏色圖案的外觀會發生變化。相機每秒記錄多次影象，並將這些資料提供給深度神經網路。該演算法甚至可以檢測到每個畫素中最小的光線變化。在零點幾秒內，經過訓練的機器學習模型可以繪製出手指接觸物體的確切位置，確定力的強度並指示力的方向。該模型推斷出科學家所說的力圖，為三維指尖中的每個點提供了一個力向量。

“我們透過外殼的創新機械設計、內部定製的成像系統、自動資料收集和尖端的深度學習實現了這種出色的感測效能。”馬克斯普朗克研究小組負責人 Georg Martius 說。他的博士學生孫煥波補充道：“我們獨特的軟殼混合結構包裹著堅硬的骨架，確保了高靈敏度和穩健性。我們的相機可以從一張影象中檢測到表面的最輕微變形。” 事實上，在測試感測器時，研究人員意識到它足夠敏感，可以感覺到自己相對於重力的方向。

該團隊的第三位成員是 MPI-IS 觸覺智慧部主任 Katherine J。 Kuchenbecker。她認為新感測器將很有用：“以前的軟觸覺感測器只有很小的感應區域，很精細且難以製造，而且通常無法感覺到與面板平行的力，這對於機器人操作來說是必不可少的，比如拿著一杯水或沿著桌子滑動硬幣。”Kuchenbecker 說。

但是這樣的感測器是如何學習的呢？Huanbo Sun 設計了一個測試平臺來生成機器學習模型所需的訓練資料，以瞭解原始影象畫素的變化與所施加的力之間的相關性。測試臺在其表面周圍探測感測器，並記錄真實的接觸力向量以及感測器內部的相機影象。以這種方式，產生了大約 200，000 個測量值。收集資料花了近三週時間，訓練機器學習模型又花了一天時間。在如此多不同接觸力的長期實驗中倖存下來，有助於證明 Insight 機械設計的穩健性，並且用更大的探針進行的測試顯示了感測系統的通用性。

拇指形感測器的另一個特點是它擁有一個帶有較薄彈性體層的指甲形區域。這種觸覺中央凹旨在檢測即使是微小的力和詳細的物體形狀。對於這個超敏感區域，科學家們選擇了 1。2 毫米的彈性體厚度，而不是他們在手指感測器其餘部分使用的 4 毫米。

“我們在工作中展示的硬體和軟體設計可以轉移到具有不同形狀和精度要求的各種機器人部件。機器學習架構、訓練和推理過程都是通用的，可以應用於許多其他感測器設計。”Huanbo Sun 總結道。

本文由升哲科技編譯，轉載請註明。