為了與周圍環(huán)境有效交互，機(jī)器人應(yīng)該能夠像人類一樣通過(guò)觸摸不同物體來(lái)識(shí)別它們的特征。通過(guò)使用傳感器收集的反饋來(lái)調(diào)整他們的抓握和操縱策略，這將使他們能夠更有效地抓握和管理對(duì)象。

考慮到這一點(diǎn)，全世界的研究小組一直在嘗試開發(fā)可通過(guò)分析傳感器收集的數(shù)據(jù)來(lái)使機(jī)器人具有觸覺(jué)的技術(shù)，其中許多都是基于深度學(xué)習(xí)架構(gòu)的使用。盡管其中一些方法很有希望，但它們通常需要大量的訓(xùn)練數(shù)據(jù)，并且無(wú)法始終很好地概括以前沒(méi)有學(xué)習(xí)過(guò)的物體。

蘇黎世聯(lián)邦理工學(xué)院的研究人員最近推出了一種新的基于深度學(xué)習(xí)的策略，該策略可以在不需要大量真實(shí)數(shù)據(jù)的情況下在機(jī)器人中實(shí)現(xiàn)觸覺(jué)傳感。在arXiv上預(yù)先發(fā)表的一篇論文中概述了他們的方法，該方法需要完全在模擬數(shù)據(jù)上訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。

進(jìn)行這項(xiàng)研究的研究人員之一卡洛·斯費(fèi)拉扎（Carlo Sferrazza）說(shuō)：“我們的技術(shù)從數(shù)據(jù)中學(xué)習(xí)如何預(yù)測(cè)與傳感表面接觸的物體施加的力的分布，到目前為止，這些數(shù)據(jù)（成千上萬(wàn)個(gè)數(shù)據(jù)點(diǎn)）需要在幾個(gè)小時(shí)的實(shí)驗(yàn)設(shè)置中收集，這在時(shí)間和設(shè)備方面都是昂貴的。在這項(xiàng)工作中，我們完全在模擬，在現(xiàn)實(shí)世界中部署我們的技術(shù)時(shí)可保持較高的傳感精度?！?/p>

在實(shí)驗(yàn)中，Sferrazza和他的同事使用他們制造的帶有簡(jiǎn)單且低成本組件的傳感器，該傳感器由置于軟質(zhì)材料下方的標(biāo)準(zhǔn)相機(jī)組成，該材料包含隨機(jī)散布的微小塑料顆粒。

當(dāng)對(duì)其表面施加力時(shí)，軟材料會(huì)變形并導(dǎo)致塑料顆粒移動(dòng)，然后，該運(yùn)動(dòng)由傳感器的攝像頭捕獲并記錄。

Sferrazza解釋說(shuō)：“我們利用由移動(dòng)粒子產(chǎn)生的圖像圖案來(lái)提取有關(guān)導(dǎo)致材料變形的力的信息。通過(guò)將粒子密集地嵌入到材料中，我們可以獲得極高的分辨率。由于我們采用數(shù)據(jù)驅(qū)動(dòng)的方法來(lái)解決此任務(wù)，因此，我們可以克服建模與軟材料接觸的復(fù)雜性，并以較高的方式估算這些力的分布準(zhǔn)確性?！?/p>

本質(zhì)上，研究人員使用最新的計(jì)算方法創(chuàng)建了傳感器的軟材料和相機(jī)投影的模型。然后，他們?cè)?a target="_blank">仿真中使用了這些模型，以創(chuàng)建包含13448張合成圖像的數(shù)據(jù)集，非常適合訓(xùn)練觸覺(jué)感應(yīng)算法。他們?cè)诜抡嬷袨槠溆|覺(jué)感應(yīng)模型生成訓(xùn)練數(shù)據(jù)這一事實(shí)方面具有極大的優(yōu)勢(shì)，因?yàn)檫@避免了他們不得不在現(xiàn)實(shí)世界中收集和注釋數(shù)據(jù)。

Sferrazza說(shuō)：“我們還開發(fā)了一種轉(zhuǎn)移學(xué)習(xí)技術(shù)，使我們可以在現(xiàn)實(shí)世界中生產(chǎn)的觸覺(jué)傳感器的多個(gè)實(shí)例上使用相同的模型，而無(wú)需其他數(shù)據(jù)。這意味著每個(gè)傳感器的生產(chǎn)成本變得更低，因?yàn)樗鼈儾恍枰~外的校準(zhǔn)工作?！?/p>

研究人員使用他們創(chuàng)建的綜合數(shù)據(jù)集來(lái)訓(xùn)練基于視覺(jué)的觸覺(jué)應(yīng)用的神經(jīng)網(wǎng)絡(luò)架構(gòu)，然后通過(guò)一系列測(cè)試評(píng)估其性能。即使經(jīng)過(guò)模擬訓(xùn)練，神經(jīng)網(wǎng)絡(luò)也取得了非凡的結(jié)果，可以對(duì)真實(shí)數(shù)據(jù)進(jìn)行準(zhǔn)確的感測(cè)預(yù)測(cè)。

“當(dāng)我們訓(xùn)練的量身定制的神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)應(yīng)用于與我們的模擬中所使用的數(shù)據(jù)完全不同的數(shù)據(jù)時(shí)，例如在估計(jì)與任意一個(gè)或多個(gè)對(duì)象的接觸時(shí)，也顯示出非常有希望的泛化可能性，可用于其他情況形狀?！?Sferrazza說(shuō)。

由Sferrazza和他的同事開發(fā)的深度學(xué)習(xí)體系結(jié)構(gòu)可以為機(jī)器人提供人為的觸摸感，從而有可能增強(qiáng)其抓握和操縱技能。此外，他們編輯的綜合數(shù)據(jù)集可用于訓(xùn)練其他模型以進(jìn)行觸覺(jué)感測(cè)，或啟發(fā)創(chuàng)建新的基于仿真的數(shù)據(jù)集。

Sferrazza說(shuō)：“我們現(xiàn)在要在涉及與復(fù)雜對(duì)象的非常普通的交互的任務(wù)中評(píng)估我們的算法，并且我們也在努力提高其準(zhǔn)確性。我們認(rèn)為這項(xiàng)技術(shù)在應(yīng)用于現(xiàn)實(shí)世界的機(jī)器人任務(wù)時(shí)將顯示出其優(yōu)勢(shì)，例如對(duì)易碎物體（例如玻璃或雞蛋）進(jìn)行精細(xì)操縱的應(yīng)用。”