尽管近年来的发展使得人类在触摸和力传递方面取得了重大进展，但触觉传感仍远没有在操纵中普遍存在。由于存在多种挑战，包括用于覆盖多弯曲表面的困难，高线数或包装限制，难以在灵巧的手中使用，用于构建触摸传感器的现有方法已被证明难以集成到机器人手指中。

　　哥伦比亚工程公司的研究人员26日宣布，他们推出了一种新型的具有触摸感的机械手指。他们的手指可以在很大面积、多曲线的表面上以极高的精度（<1毫米）来定位触摸，这与人类的手指已经非常相似。

　　机械工程和计算机科学系副教授Matei Ciocarlie表示：“独立的触觉传感器和完全集成的触觉手指之间一直存在着差距，触觉传感在机器人操纵中仍远远没有普及。”Matei Ciocarlie与电气工程教授Ioannis（John）Kymissis合作完成这一研发。后者解释道，“在本文中，我们展示了一种多弯曲的机械手手指，该手指在复杂的3D表面上具有精确的触摸定位和法向力检测。”

　　此前试验已经证明，由于包括用于覆盖多弯曲表面的困难，高导线数或难以装配到小指尖的多种挑战，当前用于构建触摸传感器的技术和方法，难以集成到机器人手指中，从而组阻止了它们于灵巧的机器人手中使用。

　　因此，Columbia Engineering团队采用了一种新方法：他们新颖地使用来自嵌入在覆盖手指功能区域的透明波导层中的光发射器和接收器的重叠信号，攻克了这一难关。

　　他们通过测量每个发射器和接收器之间的光传输，试验表明，该方法可以获得非常丰富的信号数据集，该数据集会随着手指由于触摸而变形而发生变化。然后，他们证明了纯数据驱动的深度学习方法可以从数据中提取有用的信息，包括接触位置和施加的法向力，而无需分析模型。他们的最终结果是，该材料实现了易于使用、易于制造、完全集成的、具有传感功能的机器人手指制造，同时其线数少，并且易于集成到灵巧的机械手中。

（机械臂接触触觉手指，以收集用于机器学习算法的训练数据。来源：Pedro Piacenza /哥伦比亚工程大学）

　　该研究发表在IEEE/ASME Transactions on Mechatronics ( Early Access )上，文章演示了基础技术的两个方面，这些方面相结合以实现新结果。

　　首先，在这个项目中，研究人员使用光线来感应触摸。在“皮肤”下，他们的手指上有一层由透明硅树脂制成的材料，他们在其中发光了30多个LED。手指还具有30多个光电二极管，可测量周围光线的反射。每当手指触摸某物时，其皮肤就会变形，因此光线会在下面的透明层中四处移动。通过测量从每个LED到每个二极管的光量，研究人员最终获得了近1,000个信号，每个信号都包含有关所进行的接触的一些信息。由于光也可以在弯曲的空间中反弹，因此这些信号可以覆盖复杂的3D形状，例如指尖。

　　Ciocarlie说：“人的手指提供了令人难以置信的丰富的联系信息-在每平方厘米的皮肤中有400多个微型触摸传感器！” 那是促使我们尝试从手指中获取尽可能多数据的模型。确保手指各侧的所有接触都被遮盖非常关键-我们实质上是制造了没有盲点的触觉机器人手指。”

　　其次，团队设计了这些数据，以供机器学习算法处理。但一开始由于信号太多，所有信号都部分重叠，因此数据太复杂而无法被人解释。幸运的是，他们发现，当前的机器学习技术可以学习提取研究人员关心的信息：手指在哪里触摸，手指在触摸什么，施加了多少力等。

　　“我们的结果表明，深度神经网络可以非常高精度地提取此信息，” Kymissis说。“我们的设备从一开始就是真正设计成可与AI算法结合使用的触觉手指。”Ciocarlie说道。

　　此外，该团队还建立了手指模型端口，以便可以将该手指和其他手指放在机器人手上对比。将系统集成到手上很容易：由于这项新技术，手指可以收集将近1,000个信号，但是只需要一条14线电缆将其连接到手上，就不需要复杂的外接电子设备。在实验室中，研究人员已经有两只灵巧的手（能够抓握和操纵物体）用这些手指装备-一只手有三个手指，另一只手有四个手指。在接下来的几个月中，研究小组将根据触觉和本体感受数据，使用这些手来尝试证明其灵巧的操作能力。

　　Ciocarlie补充说：“在制造和物流等领域，现在需要机器人的操纵，从长远来看，它同时也是在其他领域（例如医疗保健或服务领域）启用个人机器人帮助所需要的技术之一。”

　　该研究的原文标题为“通过重叠的光信号进行数据驱动的触摸感应的多曲线机器人手指”。（ "A Sensorized Multicurved Robot Finger with Datadriven Touch Sensing via Overlapping Light Signals."）