近日，由北京大學人工智能研究院、北京大學武漢人工智能研究院、北京通用人工智能研究院、北京大學工學院等聯合組成的科研團隊露了一“手”。他們成功開發國際首個同時具備全手高分辨率觸覺感知和完整運動能力的機器人手系統F-TAC Hand，實現高分辨率觸覺感知機器手類人適應性抓取。該成果發表在國際學術期刊《自然·機器智能》上。
整合觸覺反饋與運動能力
對人類手部功能的研究是具身智能與機器人學研究的前沿。人的手部具有結構高度復雜、功能極為精密的特點，由27塊骨骼和34塊肌肉組成，擁有24個自由度的靈活性。
“人類在抓取一個裝滿水的杯子與一個空杯子時，抓握杯子的位置、角度、方式可能完全不同。然而，在機器人領域，如何在不影響運動功能的前提下實現全手觸覺覆蓋一直是難題。”論文第一作者、北京大學人工智能研究院博士生趙秭杭說。
人在拿取物體時涉及到觸覺反饋與運動能力兩大能力。觸覺反饋包含運動覺與皮膚觸覺。前者通過肌肉、肌腱和關節感知力量，后者通過皮膚感知接觸狀態、紋理、溫度、摩擦力等物理特性。運動功能指生物體通過神經系統和肌肉系統的協同作用，實現身體運動的能力，涵蓋運動學和動力學兩個方面。通俗地說，觸覺反饋就像“身體給大腦打報告”，將力量以及溫度、摩擦力等物理特性傳遞給大腦；運動功能則是“大腦向身體下命令”，以便實現精準的運動控制。
整合觸覺反饋與運動能力，是機器人研究領域中的關鍵挑戰之一。一方面，需要避免觸覺傳感器對機器人運動靈活性造成影響，當前的觸覺傳感技術在覆蓋率、分辨率和耐久性等方面難以滿足實際應用需求；另一方面，機械手要在高效處理大量觸覺數據的同時，驅動每個關節協同運動，使其在高自由度空間中像人一樣完成復雜任務，這對技術提出了很高要求。
在缺乏豐富觸覺反饋的情況下，目前主流的機器人手或抓取器難以應對動態環境中的復雜操作任務。聯合科研團隊首次在保持機械手完整運動能力的前提下，實現機器人手掌表面70%區域的高分辨率觸覺覆蓋，使機器人能像人類一樣通過觸覺反饋進行精確操作和適應性抓取。
趙秭杭介紹，F-TAC Hand的高分辨率觸覺傳感器空間分辨率達0.1毫米，相當于每平方厘米約有10000個觸覺像素，遠超目前商用機器人手的觸覺感知能力。
巧妙設計實現操作穩定性
一系列仿人類手部設計，確保F-TAC Hand實現高分辨率感知和多樣化抓取。
趙秭杭介紹，人類手部觸覺系統由兩個關鍵要素組成：遍布皮膚的密集觸覺傳感器陣列和大腦中專門解釋這些海量感覺輸入的神經處理機制。F-TAC Hand模擬了這種設計，將17個高分辨率觸覺傳感器以6種不同配置集成在一起。同時，巧妙設計確保傳感器既是感知元件又是結構部件，從而在不犧牲靈活性的前提下實現前所未有的觸覺覆蓋范圍。這種設計使F-TAC Hand能像人類手掌一樣，在抓取過程中實時感知接觸變化并迅速調整，極大提升了機器人在不確定環境中的操作穩定性。
“機器人手高度的關節靈活性會給控制算法帶來極大挑戰，我們通過開發一種生成人類多樣化抓取策略的算法來解決這一問題。該算法基于概率模型，涵蓋了人類常見的19種抓取類型，能實現與人類非常相似的抓取方式。”論文共同第一作者、北京通用人工智能研究院博士生李宇飏解釋。
實驗結果表明，當理論上最優的抓取策略在現實環境中遇到障礙時，F-TAC Hand能在約100毫秒內感知情況并快速切換到替代策略，確保任務完成。相比沒有觸覺反饋的系統，F-TAC Hand在面臨執行誤差和物體碰撞風險時表現出顯著的適應性優勢，平均成功率從53.5%提升至100%。這種基于觸覺的閉環反饋機制，使F-TAC Hand能在不確定環境中保持高效靈活的操作能力。
論文通訊作者、北京大學人工智能研究院助理教授朱毅鑫認為，這項研究成果在對操作精度有極高要求的輔助手術、高精密組裝類工作以及航空航天、應急響應等領域有廣泛落地場景。“未來我們將繼續深化觸覺感知與機器人控制的結合，探索更加智能的體感交互范式，為實現真正意義上的通用人工智能奠定基礎。”朱毅鑫表示。
近日，由北京大學人工智能研究院、北京大學武漢人工智能研究院、北京通用人工智能研究院、北京大學工學院等聯合組成的科研團隊露了一“手”。他們成功開發國際首個同時具備全手高分辨率觸覺感知和完整運動能力的機器人手系統F-TAC Hand，實現高分辨率觸覺感知機器手類人適應性抓取。該成果發表在國際學術期刊《自然·機器智能》上。
整合觸覺反饋與運動能力
對人類手部功能的研究是具身智能與機器人學研究的前沿。人的手部具有結構高度復雜、功能極為精密的特點，由27塊骨骼和34塊肌肉組成，擁有24個自由度的靈活性。
“人類在抓取一個裝滿水的杯子與一個空杯子時，抓握杯子的位置、角度、方式可能完全不同。然而，在機器人領域，如何在不影響運動功能的前提下實現全手觸覺覆蓋一直是難題。”論文第一作者、北京大學人工智能研究院博士生趙秭杭說。
人在拿取物體時涉及到觸覺反饋與運動能力兩大能力。觸覺反饋包含運動覺與皮膚觸覺。前者通過肌肉、肌腱和關節感知力量，后者通過皮膚感知接觸狀態、紋理、溫度、摩擦力等物理特性。運動功能指生物體通過神經系統和肌肉系統的協同作用，實現身體運動的能力，涵蓋運動學和動力學兩個方面。通俗地說，觸覺反饋就像“身體給大腦打報告”，將力量以及溫度、摩擦力等物理特性傳遞給大腦；運動功能則是“大腦向身體下命令”，以便實現精準的運動控制。
整合觸覺反饋與運動能力，是機器人研究領域中的關鍵挑戰之一。一方面，需要避免觸覺傳感器對機器人運動靈活性造成影響，當前的觸覺傳感技術在覆蓋率、分辨率和耐久性等方面難以滿足實際應用需求；另一方面，機械手要在高效處理大量觸覺數據的同時，驅動每個關節協同運動，使其在高自由度空間中像人一樣完成復雜任務，這對技術提出了很高要求。
在缺乏豐富觸覺反饋的情況下，目前主流的機器人手或抓取器難以應對動態環境中的復雜操作任務。聯合科研團隊首次在保持機械手完整運動能力的前提下，實現機器人手掌表面70%區域的高分辨率觸覺覆蓋，使機器人能像人類一樣通過觸覺反饋進行精確操作和適應性抓取。
趙秭杭介紹，F-TAC Hand的高分辨率觸覺傳感器空間分辨率達0.1毫米，相當于每平方厘米約有10000個觸覺像素，遠超目前商用機器人手的觸覺感知能力。
巧妙設計實現操作穩定性
一系列仿人類手部設計，確保F-TAC Hand實現高分辨率感知和多樣化抓取。
趙秭杭介紹，人類手部觸覺系統由兩個關鍵要素組成：遍布皮膚的密集觸覺傳感器陣列和大腦中專門解釋這些海量感覺輸入的神經處理機制。F-TAC Hand模擬了這種設計，將17個高分辨率觸覺傳感器以6種不同配置集成在一起。同時，巧妙設計確保傳感器既是感知元件又是結構部件，從而在不犧牲靈活性的前提下實現前所未有的觸覺覆蓋范圍。這種設計使F-TAC Hand能像人類手掌一樣，在抓取過程中實時感知接觸變化并迅速調整，極大提升了機器人在不確定環境中的操作穩定性。
“機器人手高度的關節靈活性會給控制算法帶來極大挑戰，我們通過開發一種生成人類多樣化抓取策略的算法來解決這一問題。該算法基于概率模型，涵蓋了人類常見的19種抓取類型，能實現與人類非常相似的抓取方式。”論文共同第一作者、北京通用人工智能研究院博士生李宇飏解釋。
實驗結果表明，當理論上最優的抓取策略在現實環境中遇到障礙時，F-TAC Hand能在約100毫秒內感知情況并快速切換到替代策略，確保任務完成。相比沒有觸覺反饋的系統，F-TAC Hand在面臨執行誤差和物體碰撞風險時表現出顯著的適應性優勢，平均成功率從53.5%提升至100%。這種基于觸覺的閉環反饋機制，使F-TAC Hand能在不確定環境中保持高效靈活的操作能力。
論文通訊作者、北京大學人工智能研究院助理教授朱毅鑫認為，這項研究成果在對操作精度有極高要求的輔助手術、高精密組裝類工作以及航空航天、應急響應等領域有廣泛落地場景。“未來我們將繼續深化觸覺感知與機器人控制的結合，探索更加智能的體感交互范式，為實現真正意義上的通用人工智能奠定基礎。”朱毅鑫表示。
本文鏈接：像人類一樣靈活抓取，機器人咋做到的？http://m.sq15.cn/show-2-12717-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 我國發射首顆地球物理場探測業務衛星