機械手超越人類觸感？MIT最新研究讓機械手只需輕輕一抓就能識別物體！

如果和機械手一起玩“摸箱子”游戲，你有信心能贏么？

先別盲目自信，論誰更會“摸”，機械手說不定更勝一籌，因為它的「類人觸感技術」最近又又又進化了！

別看它只有3根手指頭，僅需要抓握一次，這只機械手就能識別出手中的物體是什么，準確率可達85%！

這是MIT最新研究成果，他們在其透明“皮膚”下集成了多個高分辨率傳感器，使用攝像頭和LED來收集物體形狀的視覺信息，沿著手指提供連續感應，一次抓取后就能識別物體，小手一握，盡在掌握！

▍全手指集成高分辨率傳感器

具有觸覺的機械手不在少數，它們要么把傳感器安裝在指尖中，需要和物體完全接觸才能感知；要么將低分辨率傳感器分布在整個手指上，通常需要多次抓握才能捕獲信息。

這讓機械手的觸覺感知顯得有些“遲鈍”。

相比之下，MIT的機械手具有極高的敏感度，那它到底是怎么做到的？

我們先從機械手的設計講起，它結合了剛性和柔性設計，既“強壯”又“溫柔”，指骨由3D打印的剛性內骨骼組成，包裹在透明的硅膠“皮膚”里，這種設計讓它可以輕松拿起重物，柔軟的皮膚也給交互帶來更多安全感。

其中，每個手指的剛性內骨骼都由可彎曲的關節和指骨組成：

（每個手指獨立操作，具有一個自由度，如果損壞可以快速更換）

每段指骨內嵌入了一對精細的觸摸傳感器，稱為GelSight 傳感器，由一個攝像頭和三個彩色 LED 組成。這里的攝像頭并不是讓機械手去“看”物體，而是利用彩色 LED 從內部照亮皮膚，相機來捕捉物體的大致輪廓圖像。

當圖像的照明輪廓出現在皮膚上時，一種算法執行反向計算將輪廓映射到所抓物體的表面上。研究人員訓練了一個機器學習模型，以使用原始相機圖像數據識別物體。

更妙的是，雖然研發團隊只在每段指骨中嵌入了攝像機，但手指可以彎曲呀，當它彎曲的時候相機的范圍能夠略微重疊，這樣就實現了整個手指長度的連續感應！

而機械手雖然只有3根手指，但每一根的作用都不多不少剛剛好：其中兩根手指以 Y 型排列，第三根手指作為輔助的拇指，當它抓住物體時，手會捕捉六張圖像（每個手指兩張），并將這些圖像發送到機器學習算法來識別物體。結合每根手指的連續觸覺感應，它可以從一次抓握中收集豐富的觸覺數據！

▍意外收獲——皺紋讓硅膠皮膚壽命更長

機械手的設計過程也并不是那么順利的，在對機械手進行測試時，研發團隊發現：機械手的硅膠皮膚會隨著時間的推移從表面剝落。

但同時，他們還有個意外收獲——添加皺紋可以增加機械手壽命！

最初，為了解決硅膠剝落的問題，研發團隊在內骨骼關節中增加了曲線設計，這樣可以在手指彎曲時分擔硅膠皮膚的壓力；他們還在關節上增加了折痕，這樣當手指彎曲時硅膠就不會被壓扁。

這一切都是為了防止硅膠表面起皺，但隨后他們發現：在手指表面制造的皺紋，有助于防止硅膠膜上的撕裂！

和光滑的硅膠皮膚相比，皺紋有助于減輕由尖角進入傳感器表面而造成的高應力點。有皺紋的表面也比光滑的表面摩擦更小。雖然皺紋會出現在傳感器圖像中，導致表面重建困難，但它完全沒有對物體分類結果產生影響。

“皺紋的用處是我們的一個偶然發現。當我們在表面合成它們時，我們發現它們實際上使手指比我們預期的更耐用，”MIT的研究人員表示。

GelSight EndoFlex 傳感器網狀皺紋表面的特寫圖像。其中一條皺紋的寬度約為 0.4 毫米，是我們在模具表面噴上油漆，然后再將硅膠澆注到內部時才形成的。

▍進一步研發感知手掌

這項研究的第一作者是MIT的機械工程博士生Sandra Liu，她目前在Edward Adelson 教授領導的感知科學小組中進行研究工作。該研究將在 RoboSoft 會議上展示。

這項研究為機械手的發展帶來了新的可能性，一次抓握精準識別大大提升了速度和效率，“我們的目標是將人手的功能盡可能賦予給機器人，它可以完成其他機器人手指目前無法完成的任務，”Sandra Liu說：“未來我們考慮進一步研發具有感應功能的手掌，更好地進行觸覺區分。”

未來，研究人員還希望改進硬件，以減少硅膠隨時間的磨損量，并為拇指增加更多的驅動力，使其能夠執行更廣泛的任務。