布里斯托尔大学的研究人员最近训练出了一种基于深度神经网络的模型来收集有关三维物体的触觉信息。在他们发表在IEEE Robotics & Automation杂志上的论文中，他们将深度学习技术应用到一个具有传感功能的机器人手指尖上，发现它可以推断出更多关于周围环境的信息。

　　"我们的总体想法是在控制机器人与周围环境进行物理交互时，人工重现触觉，"进行这项研究的研究人员之一Nathan Lepora教授说，"人类不需要思考就会这样做，比如说，当手指触碰在物体上感受物体的形状时。然而，这背后的计算结果却出奇的复杂。我们在机器人上实现了这种类型的物理交互，通过将深度学习应用到类似于人类皮肤的人工指尖上，实现了这种物理交互。"

　　Lepora教授在近十年前就开始研究在机器人身上重现触觉，在他之前的工作中，他使用了更传统的机器学习技术，比如概率分类器等。然而，他发现这些技术只能让机器人执行非常基本的任务，比如用缓慢的轻拍动作来感受简单的二维图形。

　　"这篇新论文中的突破在于，我们使用的方法可以在三维的自然复杂物体上工作，滑动指尖很像人类做的那样，"Lepora教授说。"我们能够做到这一点，是因为过去几年来深度学习的进步。"
 

研究人员开发的触觉传感器

　　为机器人提供触觉，可以帮助它们的手和指尖控制，使它们能够估计出所接触到的物体或物体的形状和质地。例如，当沿着边缘滑过表面时，机器人能够估计出边缘的角度，并相应地移动其机器人手指。

　　"深度学习使我们能够从感官数据到边缘角度等表面特征构建出可靠的地图，"Lepora教授说。"这很困难，因为在表面上滑动一个柔软的类似人类的指尖会扭曲它所收集的数据。此前，我们无法将这种扭曲与表面的形状分开，但在这项工作中，我们通过用扭曲的触觉数据的例子训练深度卷积神经网络，成功地训练出了一个深度卷积神经网络，使我们能够产生准确的表面角度估计，准确到几分之一的程度。"

　　通过收集精确的表面角度估计，Lepora教授及其同事设计的深度学习技术能够更好地控制机器人指尖。在未来，这种方法可以为机器人提供类似于人类的物理灵巧性，使它们能够根据与之交互的对象有效地调整抓取和操纵策略。

　　到目前为止，研究人员已经通过将其与单个机器人的指尖进行整合，证明了他们的技术的有效性。不过，在未来，它可以应用于软性机器人的所有指尖和四肢，让它以类似于人类的方式处理工具和完成操纵任务。这最终可以为开发出更高效的机器人铺平道路，将其应用于各种环境中，包括设计用于完成家务，在农场中挑选农产品或在医疗环境中照顾病人的机器人。

　　"我的实验室还制造了3D打印的指尖和具有触觉感应的完整机器人手，可以复制人类的触觉，"Lepora教授说。"在接下来的研究中，我们打算使用人工智能方法，比如我们论文中提出的人工智能方法来研究与整个触觉机器人手的灵巧互动，这将使机器人能够更有效地处理工具或其他物体。"