使用可伸缩的触觉手套学习人类抓取的特征

　　5月29号，《自然》杂志上发表了一篇论文：MIT的研究人员研发出了一种配有传感器的触觉手套，从而学习人类抓取物体时的特征。

　　人类可以感受、称重和抓取不同的物体，并且，他们在对物体施加适量的力量的同时也能推断它们的材料特性——而这对现代机器人来说，是具有挑战性的一系列任务。人类的机械性刺激感受器网络能提供感官反馈，这也是人类抓取物体的灵活度难以在机器人中复制的原因。

　　虽然基于计算机视觉的机器人抓取策略已经取得了大量的可视化数据和新兴的机器学习工具，但目前还没有相应的传感平台和大规模数据集来探测人类在抓取物体时所依赖的触觉信息的使用情况。

　　研究人类如何抓取物体的机制将补充基于视觉的机器人物体处理。重要的是，目前由于无法记录和分析触觉信号，这限制了人们对触觉信息在人类抓取中的作用的理解。例如，触觉地图是如何被用来识别物体并推断其属性的，这仍然还是未知的。

　　对此，MIT的研究人员使用了可伸缩的触觉手套和深度卷积神经网络，以显示均匀分布在手上的传感器，可用于识别单个物体，估计其重量，并探索在抓取物体时出现的典型触觉模式。

　　这个触觉手套是个装有传感器阵列（548传感器）的针织手套，传感器阵列由压电膜通过被动探测的导电线电极网络连接组成。并且，这个可伸缩的触觉手套传感器阵列成本很低，大约10美元。

　　电极与压电膜之间的每一个重合点都对垂直力敏感，并会记录通过压电膜的电阻。研究人员带上手套单手操控物体，由此记录了一个大规模（135,000帧）的触觉图谱数据集。且每个数据集都覆盖了整个手套，同时与26个不同的对象进行交互。

　　这组与不同物体的交互揭示了人手在操纵物体时不同区域之间的关键对应关系。通过人工模拟自然的机械性刺激感受器网络的镜头，观察人类抓取的触觉特征，有助于未来假肢、机器人抓取工具和人机交互的设计。