近日，由香港科技大學(xué)（HKUST）電子與計算機工程學(xué)系申亞京教授領(lǐng)導(dǎo)的研究團隊，提出了一種基于數(shù)字通道的觸覺交互系統(tǒng)，可以實時測量來自手不同部位的分布力，有望在醫(yī)學(xué)評估、體育訓(xùn)練、機器人和虛擬現(xiàn)實（VR）等多個領(lǐng)域?qū)崿F(xiàn)應(yīng)用。
圖1 基于液壓、氣壓和機械彈簧原理的握力計
近幾個世紀，基于液壓、氣壓和機械彈簧原理的握力計是評估人手施加的力的常用方法，但它們只能提供最大力的信息，缺乏空間和時間的細節(jié)分布（圖1）。柔性觸覺仿生皮膚的發(fā)展為測量力的分布提供了新的機會，按其原理，可大致分為兩類：基于電信號的陣列式傳感（壓阻式、電容式、壓電、摩擦電等）和基于視覺的傳感技術(shù)（Gelsight、Tactip、TacLINK、Insight等）；陔娦盘柕膫鞲衅髟趩吸c力測量時精度非常高，但存在大面積復(fù)雜接觸變形時引起的串?dāng)_問題，出現(xiàn)精度下降；谝曈X的方法可以避免電信號的串?dāng)_問題，提供更高的魯棒性，但其量程范圍通常較。ㄍǔ<10N），且同樣面臨多點大面積接觸時精度不足的問題。此外，其標(biāo)定常需要大量數(shù)據(jù)集（通常>1GB）。簡而言之，現(xiàn)有的柔性觸覺傳感方式獲得的信息，本質(zhì)上是來自多個未知負載源耦合的復(fù)雜模擬信號，這使得分布力的解碼非常復(fù)雜，特別是對于多點大面積復(fù)雜接觸的力分布，如手部的握力。
圖3 PhyTac的工作機制及潛在的廣泛應(yīng)用。
圖4 引入數(shù)字通道后，分布力的位置與幅度均可精確重建。
“針對大規(guī)模分布式觸覺傳感技術(shù)，‘?dāng)?shù)字通道’的概念能夠為解碼力的位置提供一個新的維度，從而僅通過極小的數(shù)據(jù)集就可實現(xiàn)高精度和高魯棒性！鄙杲淌诮忉屃诉@項研究的背景。
自然界中，螺旋女王蘆薈的旋轉(zhuǎn)葉序能夠避免葉子互相遮擋，從而來最大化得捕獲陽光（圖2C）。受此啟發(fā)，研究者將標(biāo)記點以類似的螺旋結(jié)構(gòu)排列以優(yōu)化光路，使得PhyTac避免了由標(biāo)記點互相遮擋引起的精度下降，并顯著提高了標(biāo)記點的分布密度，這最終提高了力的傳感范圍和分辨率。
圖5展示了物理模型增強神經(jīng)網(wǎng)絡(luò)（FEM-NN）的原理及其在小數(shù)據(jù)集上的優(yōu)勢和高精度。FEM-NN的輸入是由數(shù)字通道得到的關(guān)鍵節(jié)點(key nodesof interest, KOI)和位移矩陣,輸出為增廣剛度矩陣，其僅需要一個很小的數(shù)據(jù)集(45KB)。引入的物理模型建立了一個力學(xué)框架（FEM），將標(biāo)記位移和力大小聯(lián)系起來，并提供了包含PhyTac材料、幾何和力學(xué)性能的寶貴先驗知識。FEM-NN模型既采用了此力學(xué)先驗知識，并得益于神經(jīng)網(wǎng)絡(luò)的強大擬合能力，有效地彌補了有限元模型與現(xiàn)實世界模型之間的物理缺失。結(jié)果表明，FEM-NN在整個量程范圍（0.5 ~ 25 N）內(nèi)均保持了較高的精度，力的平均絕對誤差為0.11 N，平均相對誤差僅為2.3%，優(yōu)于傳統(tǒng)基于純物理模型的方法和基于卷積神經(jīng)網(wǎng)絡(luò)的方法（圖5C）。
圖5物理模型增強神經(jīng)網(wǎng)絡(luò)（FEM-NN）的原理
圖6 正反手擊球時力分布的對比
圖7 在虛擬世界中精確操控雞蛋、花瓶和軟球（上圖）。遙控機器人手抓取、握住和傳遞物體（下圖）。
對于下一步的研究工作，團隊計劃將“數(shù)字通道”概念應(yīng)用于其他幾何形狀的視觸覺傳感器上。他們認為，當(dāng)克服干擾問題時，其他類型的分布式軟觸覺傳感器，如電阻式和電容式傳感器，也將從這項研究中獲益。
“我們的目標(biāo)是為物理世界、虛擬世界和機器人之間建立智能交互的橋梁。PhyTac是實現(xiàn)這一目標(biāo)的重要一步。它加深了我們對手部動作的理解，我們期望它能成為一種以手為中心的媒介，在醫(yī)學(xué)評估、體育訓(xùn)練、機器人和虛擬現(xiàn)實（VR）等多個領(lǐng)域?qū)?/span>現(xiàn)應(yīng)用！痹擁椖康呢撠(zé)人申亞京教授說道。
原文鏈接：https://www.science.org/doi/10.1126/sciadv.adt2641
