麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（MIT-CSAIL）的研究人員近日開(kāi)發(fā)了一種低成本的傳感器手套，旨在使人工智能能夠“弄清楚”人類(lèi)如何通過(guò)觸摸識(shí)別物體。它被稱(chēng)為可伸縮的TActile手套（STAG），使用550個(gè)微小的壓力傳感器來(lái)生成可用于創(chuàng)建改進(jìn)的機(jī)械手的模式。

人類(lèi)非常善于通過(guò)觸摸來(lái)弄清楚物體是什么（例如在黑暗中摸索眼鏡或手機(jī)）。工程師希望機(jī)器人也能效仿這種能力。這樣做的一種方法是收集盡可能多的關(guān)于人類(lèi)實(shí)際上如何通過(guò)觸摸識(shí)別的信息。原因在于，如果有足夠大的數(shù)據(jù)庫(kù)，那么機(jī)器學(xué)習(xí)可以用來(lái)進(jìn)行分析，不僅可以推斷人手如何識(shí)別某物，還可以估計(jì)其重量——機(jī)器人和假肢難以做到這點(diǎn)。

麻省理工學(xué)院正在通過(guò)配備550個(gè)壓力傳感器的低成本針織手套收集這些數(shù)據(jù)。手套連接到計(jì)算機(jī)，計(jì)算機(jī)收集數(shù)據(jù)，壓力測(cè)量結(jié)果被轉(zhuǎn)換為視頻“觸覺(jué)地圖”并被輸入卷積神經(jīng)網(wǎng)絡(luò)（CNN）。該網(wǎng)絡(luò)能對(duì)圖像進(jìn)行分類(lèi)，找出特定的壓力模式并將其與特定的物體相匹配。

該團(tuán)隊(duì)從26個(gè)常見(jiàn)物體（如飲料罐、剪刀、網(wǎng)球、勺子、鋼筆和馬克杯）中收集了135000個(gè)視頻幀。然后，神經(jīng)網(wǎng)絡(luò)將半隨機(jī)幀與特定的夾點(diǎn)相匹配，直到建立了一個(gè)物體的完整圖片 - 這與人們通過(guò)在手中滾動(dòng)物體來(lái)識(shí)別物體的方式非常相似。通過(guò)使用半隨機(jī)圖像，可以給網(wǎng)絡(luò)提供相關(guān)的圖像集群，因此不會(huì)在無(wú)關(guān)數(shù)據(jù)上浪費(fèi)時(shí)間。

“我們希望最大化框架之間的差異，為我們的網(wǎng)絡(luò)提供最好的輸入，”CSAIL博士后Petr Kellnhofer說(shuō)?！皢蝹€(gè)群集中的所有幀都應(yīng)該具有類(lèi)似的簽名，這些簽名代表了抓取對(duì)象的類(lèi)似方式。從多個(gè)群集中采樣模擬人類(lèi)交互式嘗試探索物體時(shí)找到不同的抓取方式?！?/p>

該系統(tǒng)目前識(shí)別物體的精確度為76%，其還可以幫助研究人員了解手掌握和操縱它們的方式。為了估計(jì)重量，研究人員還編制了一個(gè)11600幀的單獨(dú)數(shù)據(jù)庫(kù)，顯示在跌落之前用手指和拇指拾取物體。通過(guò)在物體被保持時(shí)測(cè)量手周?chē)膲毫?，然后在跌落后比較它，可以測(cè)量重量。

該系統(tǒng)的另一個(gè)優(yōu)點(diǎn)是成本和靈敏度。類(lèi)似的傳感器手套價(jià)值數(shù)千美元，卻只有50個(gè)傳感器。而麻省理工學(xué)院的手套則采用現(xiàn)成的材料，成本僅為10美元。