許多機器人在工作時透過“視覺”跟蹤物體，但當物體處於黑暗中或部分被遮擋時，光學感測器無法捕捉到物體的完整形狀。現在，一種新的低成本技術讓機器人手能夠“感覺”到不熟悉物體的形狀，並僅憑此資訊靈巧地處理它。
加州大學聖地亞哥分校的機器人專家王曉龍及其團隊希望 выяснить 僅使用簡單的觸控資料是否可以在機器人技術中實現複雜的協調。研究人員在一個四指機器人手的掌心和手指上安裝了 16 個接觸感測器，每個感測器的成本約為 12 美元。這些感測器僅指示物體是否接觸到手。“雖然一個感測器捕捉到的資訊不多，但許多感測器可以幫助您捕捉到物體的不同方面，”王說。在本例中，機器人的任務是旋轉放置在其掌心的物體。
研究人員首先執行模擬，以收集大量觸控資料，模擬一個虛擬機器人手練習旋轉物體，包括球、不規則長方體和圓柱體。使用來自每個感測器的二元接觸資訊（“觸控”或“未觸控”），該團隊構建了一個計算機模型，該模型確定物體在處理過程的每一步中的位置，並移動手指以平穩且穩定地旋轉它。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保未來能夠繼續報道關於塑造我們當今世界的發現和想法的具有影響力的故事。
接下來，他們將這種能力轉移到操作一個真實的機器人手上，該機器人手成功地操縱了以前未遇到過的物體，例如蘋果、西紅柿、湯罐和橡皮鴨。將計算機模型轉移到現實世界相對容易，因為二元感測器資料非常簡單；該模型不依賴於精確模擬的物理或精確的測量。“這很重要，因為在模擬中對高解析度觸覺感測器進行建模仍然是一個開放性問題，”紐約大學研究機器人與現實世界互動的 Lerrel Pinto 說。
深入研究機器人手感知到的內容，王和他的同事發現它可以從觸控資料中重建整個物體的形狀，從而指導其動作。“這表明觸控提供了足夠的資訊來重建物體形狀，”王說。他和他的團隊計劃在七月舉行的名為“機器人學：科學與系統”的國際會議上展示他們的成果。
Pinto 想知道該系統在更復雜的任務中是否會失敗。“在我們使用觸覺感測器的實驗中，”他說，“我們發現像拆開杯子和開啟瓶蓋這樣的任務比旋轉物體要困難得多——而且可能更有用。”
王的研究小組的目標是在未來的工作中處理更復雜的運動，並在手指側面等位置新增感測器。研究人員還將嘗試新增視覺以補充觸控資料，從而處理複雜的形狀。