使用深度学习使机器人指尖有触觉

托大学的研究人员最近训练了一种基于深度神经网络的模型，以收集有关3-D对象的触觉信息。在发表于《IEEE机器人与自动化》杂志的论文中，他们将深度学习技术应用于具有感应功能的机器人指尖，并发现该技术可以推断出有关周围环境的更多信息。

进行这项研究的研究人员之一内森·勒波拉(Nathan Lepora)教授对TechXplore表示：“我们的总体想法是，当控制机器人与周围环境进行物理交互时，人为地重新创造触摸感。” “人类这样做是不经意的，例如，当用手指在物体上刷手指以感知其形状时。然而，其背后的计算却异常复杂。我们通过将深度学习应用于人工，在机器人上实现了这种类型的物理交互。类似于人类皮肤的指尖。”

Lepora教授近十年来一直在尝试在机器人中重塑触觉。在他以前的作品中，他使用了更传统的机器学习技术，例如概率分类器。但是，他发现这些技术仅允许机器人执行非常基本的任务，例如以缓慢的敲击运动感觉简单的2D形状。

Lepora教授说：“这项新论文的突破在于，我们在自然复杂物体上使用的方法在三个维度上起作用，使指尖滑动得像人类一样。” “由于过去几年中深度学习的进步，我们之所以能够做到这一点。”

为机器人提供触摸感可以帮助控制其手和指尖，从而使他们能够估计与其接触的对象或对象的一部分的形状和纹理。例如，当机器人沿着一条边缘在表面上滑动时，机器人可能能够估计边缘的角度并相应地移动其机器人手指。

Lepora教授说：“深度学习使我们能够构建从感觉数据到表面特征(例如边缘角度)的可靠地图。” “这很困难，因为在表面上滑动像人一样柔软的指尖会扭曲所收集的数据。以前，我们无法将这种扭曲与表面形状分开，但是在这项工作中，我们成功地进行了深度卷积训练神经网络，其中包含触觉数据失真的示例，这使我们能够在不到一度的范围内生成准确的表面角度估计。”