布里斯托大学的研究人员最近训练了一个基于深度神经网络的模型来收集关于三维物体的触觉信息。在《IEEE机器人与自动化》杂志发表的论文中，他们将深度学习技术应用于具有感知功能的机器人指尖，发现该技术可以推断出更多的周围环境信息。
进行这项研究的研究人员之一内森莱波拉教授告诉TechXplore:“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，人为地重现触觉。”“人们会在不经意间这样做，例如，当他们用手指刷某个物体来感知它的形状时。然而，背后的计算却出奇的复杂。我们通过将深度学习应用于手工工作，在机器人上实现了这种类型的物理交互。类似于人类皮肤的指尖。”
近十年来，莱波拉教授一直试图重塑机器人的触觉。在他之前的作品中，他使用了更传统的机器学习技术，比如概率分类器。然而，他发现这些技术只允许机器人执行非常基本的任务，比如用缓慢的敲击动作感受简单的2D形状。
Lepora教授说：“这篇新论文的突破在于，我们在自然复杂物体上使用的方法在三维空间中工作，使指尖像人类一样滑动。”“得益于过去几年在深度学习方面的进步，我们能够做到这一点。”
给机器人提供触觉可以帮助控制他们的手和指尖，这样他们就可以估计他们接触的物体或部分物体的形状和纹理。例如，当机器人沿着表面上的边缘滑动时，机器人可能能够估计边缘的角度并相应地移动其机器人手指。
莱波拉教授说：“深度学习使我们能够构建从感官数据到边缘角度等表面特征的可靠地图。”“这很难，因为像人一样柔软的指尖在表面滑动会扭曲收集到的数据。以前，我们无法将这种失真与表面形状分开，但在这项工作中，我们成功地用深度卷积训练了神经网络，其中包括触觉数据失真的例子，这使我们能够在几分之一度内生成精确的表面角度估计。”
通过收集精确的表面角度估计，由Lepora教授及其同事设计的深度学习技术可以更好地控制机械手的指尖。未来，这种方法可以为机器人提供与人类相似的身体灵巧性，使其能够根据所交互的物体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指尖集成来证明这项技术的有效性。但是，在未来，它可以应用于软机器人的所有指尖和四肢，使它们能够像人类一样操作工具和完成操纵任务。这可能最终为开发更高效的机器人以部署在各种环境中铺平道路，包括设计用于做家务、在农场采摘农产品或满足医疗机构患者需求的机器人。
莱波拉教授说：“我的实验室还制作了3D打印指尖和具有触觉的完整机械手，可以复制人类的触觉。”“在接下来的研究中，我们打算利用人工智能的方法(如本文提出的方法)来研究与整个触觉机器人手的智能交互，这将使机器人能够更有效地处理工具或其他物体。”
