機器人技術(shù)中最熱門的主題之一是軟機器人領(lǐng)域，該領(lǐng)域使用的是柔軟和柔性的材料，而不是傳統(tǒng)的剛性材料。但是軟機器人由于缺乏良好的感知而受到限制。好的機械手需要感覺到它正在觸摸的東西(觸覺)，并且需要感覺到手指的位置(本體感覺)。大多數(shù)軟機器人都缺少這種感應。

麻省理工學院計算機科學與人工智能實驗室(CSAIL)的研究人員在新論文中提出了新工具，以使機器人更好地感知與之交互的內(nèi)容：查看和分類項目的能力以及更柔和細膩的觸感。

“我們希望通過感受世界來看到世界。麻省理工學院教授兼CSAIL主任Daniela Rus表示，柔軟的機器人手具有感應到的皮膚，可以用來拾取各種物體，從諸如土豆片的細膩物體到諸如牛奶瓶的重物。

一篇論文以 麻省理工學院和哈佛大學去年的研究為基礎 ，在那里，一個團隊開發(fā)了一種柔軟而結(jié)實的機器人抓手，其形式為錐形折紙結(jié)構(gòu)。它像金星的捕蠅器一樣塌陷在物體上，以撿起重量是其重量100倍的物品。

為了使新發(fā)現(xiàn)的通用性和適應性更接近于人的手，一個新團隊提出了一個明智的選擇：由連接壓力傳感器的乳膠“氣球”(氣球)制成的觸覺傳感器。新的傳感器可讓夾具不僅拾物細膩薯片，而且還對其進行分類-讓機器人更好地了解 什么 它撿起，同時還表現(xiàn)出光觸摸。

在對物體進行分類時，即使物體滑脫，傳感器也能正確識別出十個物體，準確率超過90%。

麻省理工學院的博士后約瑟·休斯(Josie Hughes)說：“與許多其他柔軟的觸覺傳感器不同，我們的傳感器可以快速制造，改裝成抓具，并顯示出靈敏度和可靠性。” “我們希望他們提供一種新的軟感測方法，該方法可以應用于制造設置中的各種不同應用，例如包裝和起重。”

在第二篇論文中，一組研究人員創(chuàng)建了一個柔軟的機器人手指，稱為“ GelFlex”，它使用嵌入式攝像頭和深度學習來實現(xiàn)高分辨率的觸覺感應和“本體感覺”(對身體的位置和運動的感知)。

該抓手看上去很像一個在汽水站看到的兩指杯抓手，它使用腱驅(qū)動的機構(gòu)來驅(qū)動手指。在各種形狀的金屬物體上進行測試時，該系統(tǒng)的識別精度超過96%。

“我們的軟手指可以在本體感覺上提供高精度，并可以準確地預測所握住的物體，并且還可以承受相當大的沖擊力，而不會損害相互作用的環(huán)境及其自身，” GelFlex上新論文的主要作者余社說。“通過用靈活的外骨骼約束軟手指，并使用嵌入式攝像頭執(zhí)行高分辨率感應，我們?yōu)檐洸倏v器提供了廣泛的功能。”

魔球感官

魔術(shù)球夾持器由柔軟的折紙結(jié)構(gòu)制成，并由柔軟的氣球包裹。當向氣球施加真空時，折紙結(jié)構(gòu)在物體周圍閉合，并且抓取器變形為其結(jié)構(gòu)。

盡管此動作使抓取器能夠抓取比以往任何時候都廣泛的物體，例如湯罐，錘子，酒杯，無人機，甚至是單個西蘭花小花，但仍然無法達到更大的精致度和理解力，直到他們增加了傳感器。

當傳感器受到力或拉力時，內(nèi)部壓力會發(fā)生變化，團隊可以測量壓力的這種變化，從而確定何時會再次感到這種壓力。

除乳膠傳感器外，該團隊還開發(fā)了一種算法，該算法利用反饋使抓取器具有既堅固又精確的類似于人的雙重性，并且80%的被測試對象均已成功抓緊而沒有損壞。

該團隊在 各種家用物品上測試了抓取器傳感器，這些物品從重瓶到細小的物品，包括罐，蘋果，牙刷，水瓶和一袋餅干。

展望未來，該團隊希望通過使用計算設計和重構(gòu)方法來提高方法的可擴展性，從而使用這種新的傳感器技術(shù)來提高分辨率和覆蓋范圍。最終，他們設想使用新傳感器創(chuàng)建顯示可伸縮性和靈敏度的流體感測皮膚。

休斯與羅斯共同撰寫了新論文。他們幾乎在2020年機器人與自動化國際會議上展示了該論文。

GelFlex

在第二篇論文中，CSAIL團隊著眼于賦予軟機器人抓手更細微，類似于人的感覺。柔軟的手指允許很大范圍的變形，但要以受控方式使用，必須具有豐富的觸覺和本體感覺。該團隊使用了帶有廣角“魚眼鏡頭”鏡頭的嵌入式相機，可以非常詳細地捕獲手指的變形。

為了創(chuàng)建GelFlex，該團隊使用了硅樹脂材料來制作柔軟透明的手指，并將一個攝像頭放在指尖附近，將另一個攝像頭放在手指中間。然后，他們在手指的正面和側(cè)面涂了反射性墨水，并在背面增加了LED燈。這使內(nèi)置魚眼鏡頭可以觀察手指的正面和側(cè)面的狀態(tài)。

該團隊訓練了神經(jīng)網(wǎng)絡，以從內(nèi)部攝像機中提取關(guān)鍵信息以進行反饋。一種神經(jīng)網(wǎng)絡經(jīng)過訓練可以預測GelFlex的彎曲角度，另一種神經(jīng)網(wǎng)絡可以經(jīng)過訓練來估計要抓取的物體的形狀和大小。然后，抓取器可以拾取各種物品，例如魔方，DVD盒或一塊鋁。

在測試過程中，握持時的平均位置誤差小于0.77 mm，這比人的手指要好。在第二組測試中，抓取器面臨抓握和識別各種尺寸的圓柱體和盒子的挑戰(zhàn)。在80個試驗中，只有三個被錯誤分類。

未來，該小組希望改善本體感覺和觸覺感應算法，并利用基于視覺的傳感器來估計更復雜的手指配置，例如扭曲或側(cè)彎，這對普通傳感器來說是挑戰(zhàn)，但嵌入式攝像頭應該可以實現(xiàn)。