人類能夠通過觸摸找到周圍的物體并明確其某些屬性，這一技能對盲人來說尤其重要，而沒有視覺障礙的人同樣在日常生活中頻繁用到這一點，例如在口袋中摸索并抓住一樣?xùn)|西。

近日，麻省理工學(xué)院(MIT)的研究人員進(jìn)行了一項技術(shù)研究，旨在將這種人類能力復(fù)制到機(jī)器人上，從而使其通過觸摸即可了解對象的位置并可實時估計對象的姿態(tài)。該研究成果預(yù)先發(fā)表在 arXiv 上，論文著重強(qiáng)調(diào)了不再局限于視覺、音頻處理而只需通過觸摸就能與其周圍的環(huán)境進(jìn)行交互的機(jī)器人的優(yōu)勢。

“我們的研究目標(biāo)是想證明，機(jī)器人通過高分辨率的觸覺感應(yīng)，甚至首次接觸就可以準(zhǔn)確定位已知的對象。與以前在觸覺定位方面的工作相比，我們的方法有了重要的飛躍，因為我們不依賴于任何其他外部感應(yīng)方式(例如視覺)或以前收集的與被操縱對象有關(guān)的觸覺數(shù)據(jù)。恰恰相反，我們的技術(shù)是在模擬中直接訓(xùn)練的，它第一次觸摸就可以定位已知對象，這在實際的機(jī)器人應(yīng)用中至關(guān)重要，因為在真實的機(jī)器人中，實時數(shù)據(jù)收集成本很高或根本不可行?！? 進(jìn)行該項研究的研究人員之一 Maria Bauza 表示。

由于這項技術(shù)是在模擬中得到過訓(xùn)練，因此 Bauza 及其同事不再需要大量的數(shù)據(jù)收集。這些研究人員最初開發(fā)了一個框架，該框架可模擬給定對象與觸覺傳感器之間的接觸，因此假設(shè)機(jī)器人有權(quán)訪問與其交互的對象有關(guān)的數(shù)據(jù)(例如其 3D 形狀、特性等)。這些接觸會被描繪為深度圖像，可顯示出對象穿透觸覺傳感器的程度。

隨后，他們使用先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)進(jìn)行計算機(jī)視覺和表征學(xué)習(xí)，將機(jī)器人收集的真實觸覺觀察結(jié)果與模擬生成的一組接觸信息進(jìn)行匹配。根據(jù)模擬數(shù)據(jù)集中的每次接觸與實際或觀察到的接觸的匹配可能性，對其進(jìn)行加權(quán)，最終框架會獲得對象的可能姿勢的概率分布。

Bauza 說道：“我們的方法將被描繪為深度圖像的接觸編碼到一個嵌入式空間中，這極大地簡化了計算成本，可以做到實時執(zhí)行。由于它可以產(chǎn)生有意義的姿勢分布，因此可以輕松地與其他感知系統(tǒng)結(jié)合使用。例如，在多觸點場景中，多個觸覺傳感器同時觸摸一個對象，我們必須將所有的觀察結(jié)果都整合到對象的姿態(tài)估計中?！?/p>

本質(zhì)上，這種方法可以根據(jù)對象的 3D 形狀模擬出接觸信息。但他們發(fā)現(xiàn)，在利用這種技術(shù)仔細(xì)觸摸對象時并不需要收集任何以前的觸覺數(shù)據(jù)。也就是說，有了這項技術(shù)，機(jī)器人的觸覺傳感器可以在首次觸摸到對象時就生成可能的姿勢判斷。

Bauza 表示，他們意識到觸覺感知具有高度鑒別性，并能產(chǎn)生高度精確的姿勢估計?！耙暳τ袝r會受到遮擋的影響，但觸覺感應(yīng)卻不會。因此，如果機(jī)器人觸碰到了某個獨特對象的一部分，且這種接觸與其他的不同，那么我們的算法可以輕松識別出這一接觸及對象的姿態(tài)。”

由于許多接觸對象不具備的獨特區(qū)域(即它們的放置方式可能導(dǎo)致最終的接觸極其類似)，因此 Bauza 及其同事開發(fā)的方法可以預(yù)測的是姿勢分布，而不是單個姿勢估計。這與此前開發(fā)的只收集單個姿勢估計的對象姿態(tài)估計方法形成了鮮明的對比。而且，該框架預(yù)測的分布信息可以直接與外部信息進(jìn)行合并，從而能夠進(jìn)一步減少對象姿態(tài)預(yù)測的不確定性。

值得注意的是，他們還觀察到，同時使用多個手指接觸對象，并同時對多個接觸進(jìn)行組合，也可以迅速減少對象姿態(tài)估計的不確定性。

圖 | 技術(shù)概述：接觸 -> 觸覺觀察 -> 觸覺深度 -> 使用研發(fā)的算法進(jìn)行最佳匹配 -> 產(chǎn)生姿勢估計

參與這項研究的另一位研究員 Alberto Rodriguez 表示，“感應(yīng)觸摸能力最近在業(yè)界引起了極大了研究興趣，而我們主要是通過結(jié)合三個因素來實現(xiàn)這一點的：(1)一種分辨率高但并不昂貴的感應(yīng)技術(shù)，該技術(shù)使用小型相機(jī)來捕獲觸摸表面的變形(例如 GelSight 感應(yīng));(2)將此傳感技術(shù)緊密結(jié)合到機(jī)器人手指(例如 GelSlim 手指)中;(3)基于深度學(xué)習(xí)的計算框架，來有效處理高分辨率觸覺圖像，從而通過已知零件完成觸覺定位?！?/p>

總之，該研究小組設(shè)計的這項技術(shù)可以讓機(jī)器人實時、高水平地估計其正在操作的對象的姿態(tài)，這樣一來，就讓機(jī)器人能夠?qū)ζ渚唧w動作的影響做出更準(zhǔn)確的預(yù)測，從而可以提高其在操作任務(wù)時的表現(xiàn)。這對工業(yè)當(dāng)中根據(jù)物品形狀的模型進(jìn)行組裝的制造商來說極具價值。

在未來的工作中，Bauza 團(tuán)隊計劃擴(kuò)展這一框架，使其能夠涵蓋有關(guān)對象的視覺信息。理想情況下，他們還希望將其技術(shù)轉(zhuǎn)變?yōu)橐环N視覺 - 觸覺傳感系統(tǒng)，從而能夠以更高的精度來估算對象的姿態(tài)。

“我們正在進(jìn)行的另一項研究與這種方法密切相關(guān)，目的是探索觸覺感知方法在復(fù)雜操作任務(wù)中的運(yùn)用?，F(xiàn)在我們正在學(xué)習(xí)能讓機(jī)器人執(zhí)行精確地抓放操作的模型，以實現(xiàn)穩(wěn)定地抓握，幫助提高感知水平，改善觸覺定位?！? Bauza 表示。