【CNMO新闻】触摸是人类感知认识世界的方式之一，有研究表明这种物理学习方式能够大幅提升与听说读写关联性更高的人类表现。受此启发，加州大学伯克利分校的科学家开发了一种主要依赖于触摸而非视觉的机器人感知架构。在卡内基梅隆大学等机构研究成果的基础上，这些科学家设计的AI系统能够将一系列机器人的物理感知同具体的物体联系起来。
加州大学的科学家们在论文中写道：“人类的感知能力是多模式的，当我们看到毛绒玩具时就能想象到它的触感，当我们触摸剪刀时就能在脑海中想到它的样子，不光是概念，还有形状、大小等，在这个项目中，我们研究了类似的多模式感知能否应用到机器人上。”
AI机器人
触感感应器缺乏图像感应器的全局视野，它们主要依靠物体的表面特性，此外，它们的读取数据也很难理解。为了克服这些困难，研究人员采用了高性能的GelSight触感感应器，该传感器内部配备摄像头来观察传感器内部胶体在触碰过程中发生的形变，随后在卷积神经网络的帮助下生成读取数据，研究人员还在机械手臂的手指上安装了两个GelSight触感器并根据上述流程获得了读取数据。
研究人员共计收集到了98种不同物体的触感数据样本，并用其中的80种数据训练卷积神经网络。在测试中，这个训练后的AI系统根据触感器的数据判断触碰物体的种类，准确率达到了64.3%，研究者们随后组织人类志愿者通过触摸来判断物体种类，而结果表明人类的表现要逊于研究者开发的AI系统。
相关论文的作者表示这项技术依然有较大的提升空间，所有的图像都来自于同一环境下，并且他们的实验建立在单独的触碰活动而非多重触摸交互上。但无论如何，这项研究依然在该领域迈出了重要的一步。
加入收藏
