詹子?jì)?/p>

今年的《麻省理工科技評(píng)論》十大突破性技術(shù)中有一項(xiàng)就是靈巧機(jī)器人，今日的機(jī)器人普遍仍表現(xiàn)得頗為笨拙，若能提高其手部的靈活性，將可勝任更多的任務(wù)，目前在機(jī)器人手的領(lǐng)域有幾個(gè)趨勢(shì)，一是改善其敏捷程度，人類的手指跟手掌相當(dāng)靈巧，機(jī)器人手在抓握的速度、準(zhǔn)確性仍有很大空間，科學(xué)家們通過優(yōu)化機(jī)器人的手部結(jié)構(gòu)，比如增加手的自由度（關(guān)節(jié)），利用 AI 算法進(jìn)行模擬訓(xùn)練等，不過想要增加機(jī)器手的自由度，成本就會(huì)大幅提高。

此外，則是自主學(xué)習(xí)，舉例來說，工業(yè)的機(jī)器人手臂大多是重復(fù)執(zhí)行任務(wù)，總體性能取決于其控制器跟蹤預(yù)定軌跡的準(zhǔn)確性，軌跡路線是仰賴工程師事先編程及測(cè)試，此法難適用于復(fù)雜的環(huán)境或復(fù)雜的動(dòng)作，比如機(jī)器人打乒乓球，因此許多研究機(jī)構(gòu)利用強(qiáng)化學(xué)習(xí)（Reinforcement Learning）或無監(jiān)督學(xué)習(xí)來訓(xùn)練機(jī)器人，自主學(xué)習(xí)抓取、移動(dòng)?xùn)|西等。

再來就是感知，視覺、觸覺都有不少研究，通過攝像頭，機(jī)器人可以知道自己正在抓取的物體是什么，進(jìn)而判斷該施予多大的力量強(qiáng)度，或是讓抓手本身擁有觸覺，像是使用傳統(tǒng)的壓力傳感器或是柔性的電子皮膚，先前卡內(nèi)基梅隆大學(xué)（CMU）的研究人員就教導(dǎo)機(jī)器人通過觸摸來學(xué)習(xí)，像嬰兒會(huì)抓、推、戳東西來主動(dòng)觀察物體。

另外，上個(gè)月麻省理工學(xué)院（MIT）也發(fā)布了一項(xiàng)研究：讓有視覺和觸覺的機(jī)器人學(xué)習(xí)玩疊疊樂（Jenga）游戲，該機(jī)器人配備了軟性的手指夾具、手腕上則有力量傳感器，玩疊疊樂游戲涉及力量的判斷，讓機(jī)器人有觸覺將有助于機(jī)器人在生產(chǎn)線上組裝手機(jī)和其他小零件。參與該研究的 MIT 機(jī)械工程系助理教授 Alberto Rodriguez 就表示，“在手機(jī)組裝線上大多數(shù)的步驟，如鎖螺絲，這些對(duì)力的感受都來觸摸，而不是視覺”。

觸覺除了可用于執(zhí)行更復(fù)雜的任務(wù)之外，觸摸往往也是互動(dòng)、情感交流的管道，對(duì)未來人類與機(jī)器人互動(dòng)、關(guān)系建立是很重要的一個(gè)元素，因此發(fā)展機(jī)器人觸覺無疑是行業(yè)趨勢(shì)之一。

近日，加州大學(xué)伯克利分校電氣工程與計(jì)算機(jī)科學(xué)系助理教授、同時(shí)也是該校機(jī)器人人工智慧與學(xué)習(xí)實(shí)驗(yàn)室（Robotic Artificial Intelligence and Learning Lab）負(fù)責(zé)人的 Sergey Levine 與其他研究者及科學(xué)家，在 arxiv.org 上連續(xù)發(fā)表兩篇以機(jī)器人觸覺（the sense of touch）為主題的研究，他們提出了視覺+觸覺的跨模態(tài)識(shí)別系統(tǒng)，讓機(jī)器人用摸的就能辨識(shí)物體，接著又開發(fā)出一個(gè)以觸覺為基礎(chǔ)的控制模型，讓機(jī)器手可以執(zhí)行復(fù)雜的任務(wù)，像是把小球推到用戶指定的位置。

在《Learning to Identify Object Instances by Touch： Tactile Recognition via Multimodal Matching》研究中，他們指出，許多關(guān)于機(jī)器人感知的研究都集中在視覺模態(tài)上。 視覺提供了對(duì)場(chǎng)景的全局觀察，在廣泛的場(chǎng)景下很有用處，不過，在機(jī)器人操控領(lǐng)域，單靠視覺有時(shí)是不夠的，在光線不足或遮擋的情況下，就很難識(shí)別出物體，觸覺將提供機(jī)器人另一個(gè)識(shí)別物體的機(jī)制。

舉例來說，人類很自然會(huì)將物體的外觀、材料特性聯(lián)系起來，比如當(dāng)我們?cè)谕婵植老溆螒?，看不到物體，靠觸摸去猜想大概是什么東西，或是在抽屜找一把剪刀，摸到尖尖的、涼涼的金屬表面、彎曲的手柄，人類很自然就會(huì)判斷是不是剪刀，這就是一種多模態(tài)關(guān)聯(lián)（multi-modal）的觸覺能力。

因此，Sergey Levine 他們的目標(biāo)就是訓(xùn)練機(jī)器人學(xué)習(xí)類似人類多模態(tài)關(guān)聯(lián)（multi-modal association）的能力，打造一個(gè)主要依靠觸覺而非視覺的感知框架，使機(jī)器人能夠通過觸摸來識(shí)別物體。

觸覺的挑戰(zhàn)首先是觸覺傳感器不像視覺，可得到一個(gè)全局的視圖，僅能透過物體局部表面的特性來做，其次，觸覺的讀數(shù)較難解釋。為了解決這些限制，他們?cè)跈C(jī)器人的兩指抓手（a two-fingered gripper）上配置 2 個(gè)高分辨率 GelSight 觸摸傳感器，并與攝像頭結(jié)合，當(dāng)抓手與物體接觸時(shí)，攝像頭會(huì)拍下抓手拾取物體時(shí)，凝膠受力而產(chǎn)生的壓痕，然后 GelSight 產(chǎn)生讀數(shù)（reading），這些數(shù)據(jù)輸入到 CNN 里。通過收集 98 個(gè)不同物體的樣本，并讓機(jī)器抓手反覆學(xué)習(xí)，他們的實(shí)驗(yàn)結(jié)果表明，所訓(xùn)練出的 AI 能夠從觸覺中正確推斷物體是什么，即使對(duì)于沒看過的新物體，檢測(cè)率也不差。

另外，研究人員表示，先前已有其他探討多模態(tài)關(guān)聯(lián)的研究，例如視覺和聽覺的匹配、視覺和語言的匹配等，他們則是受到一篇開發(fā)雙流分類器來預(yù)測(cè)圖像和音頻是否來自同一視頻的研究所啟發(fā)，另外，先前的機(jī)器人觸覺研究多是識(shí)別“材料屬性”，他們的研究則可以通過觸摸識(shí)別“物體”。未來機(jī)器手觸覺可以應(yīng)用在倉庫自動(dòng)化機(jī)器人，通過手指來感覺、檢索貨架上的物體等。

另一篇論文《Manipulation by Feel： Touch-Based Control with Deep Predictive Models》則是上述研究的延伸，利用配置 GelSight 觸覺傳感器的機(jī)器人操控球，進(jìn)行無監(jiān)督的自主學(xué)習(xí)，進(jìn)而開發(fā)出一個(gè)基于觸覺的控制模型，并且利用該觸覺預(yù)測(cè)模型，執(zhí)行三個(gè)復(fù)雜的觸覺控制任務(wù)，包括將物體重新推移到指定位置、懂得操作游戲搖桿、把一個(gè)具有 20 個(gè)面的骰子推到指定面。不過，他們也表示研究方法仍有局限性，例如，短距離的控制，有些任務(wù)只需要幾十個(gè)步就可以達(dá)到目標(biāo)，也就是說，執(zhí)行簡(jiǎn)單任務(wù)時(shí)有效，但若任務(wù)需要重新排列多個(gè)對(duì)象、或重復(fù)執(zhí)行更復(fù)雜的手指步態(tài)時(shí)，模型就需要改進(jìn)。此外，該研究只使用一根手指，可執(zhí)行的范圍僅限于簡(jiǎn)單的重新排列，未來將展開多只手指的研究，以擴(kuò)展研究結(jié)果。

（摘自美《深科技》）（編輯/華生）