教機器人學會“摸物辨形”，給機器人安一雙“好手”

詹子嫻

今年的《麻省理工科技評論》十大突破性技術中有一項就是靈巧機器人，今日的機器人普遍仍表現得頗為笨拙，若能提高其手部的靈活性，將可勝任更多的任務，目前在機器人手的領域有幾個趨勢，一是改善其敏捷程度，人類的手指跟手掌相當靈巧，機器人手在抓握的速度、準確性仍有很大空間，科學家們通過優化機器人的手部結構，比如增加手的自由度（關節），利用 AI 算法進行模擬訓練等，不過想要增加機器手的自由度，成本就會大幅提高。

此外，則是自主學習，舉例來說，工業的機器人手臂大多是重復執行任務，總體性能取決于其控制器跟蹤預定軌跡的準確性，軌跡路線是仰賴工程師事先編程及測試，此法難適用于復雜的環境或復雜的動作，比如機器人打乒乓球，因此許多研究機構利用強化學習（Reinforcement Learning）或無監督學習來訓練機器人，自主學習抓取、移動東西等。

再來就是感知，視覺、觸覺都有不少研究，通過攝像頭，機器人可以知道自己正在抓取的物體是什么，進而判斷該施予多大的力量強度，或是讓抓手本身擁有觸覺，像是使用傳統的壓力傳感器或是柔性的電子皮膚，先前卡內基梅隆大學（CMU）的研究人員就教導機器人通過觸摸來學習，像嬰兒會抓、推、戳東西來主動觀察物體。

另外，上個月麻省理工學院（MIT）也發布了一項研究：讓有視覺和觸覺的機器人學習玩疊疊樂（Jenga）游戲，該機器人配備了軟性的手指夾具、手腕上則有力量傳感器，玩疊疊樂游戲涉及力量的判斷，讓機器人有觸覺將有助于機器人在生產線上組裝手機和其他小零件。參與該研究的 MIT 機械工程系助理教授 Alberto Rodriguez 就表示，“在手機組裝線上大多數的步驟，如鎖螺絲，這些對力的感受都來觸摸，而不是視覺”。

觸覺除了可用于執行更復雜的任務之外，觸摸往往也是互動、情感交流的管道，對未來人類與機器人互動、關系建立是很重要的一個元素，因此發展機器人觸覺無疑是行業趨勢之一。

近日，加州大學伯克利分校電氣工程與計算機科學系助理教授、同時也是該校機器人人工智慧與學習實驗室（Robotic Artificial Intelligence and Learning Lab）負責人的 Sergey Levine 與其他研究者及科學家，在 arxiv.org 上連續發表兩篇以機器人觸覺（the sense of touch）為主題的研究，他們提出了視覺+觸覺的跨模態識別系統，讓機器人用摸的就能辨識物體，接著又開發出一個以觸覺為基礎的控制模型，讓機器手可以執行復雜的任務，像是把小球推到用戶指定的位置。

在《Learning to Identify Object Instances by Touch： Tactile Recognition via Multimodal Matching》研究中，他們指出，許多關于機器人感知的研究都集中在視覺模態上。 視覺提供了對場景的全局觀察，在廣泛的場景下很有用處，不過，在機器人操控領域，單靠視覺有時是不夠的，在光線不足或遮擋的情況下，就很難識別出物體，觸覺將提供機器人另一個識別物體的機制。

舉例來說，人類很自然會將物體的外觀、材料特性聯系起來，比如當我們在玩恐怖箱游戲，看不到物體，靠觸摸去猜想大概是什么東西，或是在抽屜找一把剪刀，摸到尖尖的、涼涼的金屬表面、彎曲的手柄，人類很自然就會判斷是不是剪刀，這就是一種多模態關聯（multi-modal）的觸覺能力。

因此，Sergey Levine 他們的目標就是訓練機器人學習類似人類多模態關聯（multi-modal association）的能力，打造一個主要依靠觸覺而非視覺的感知框架，使機器人能夠通過觸摸來識別物體。

觸覺的挑戰首先是觸覺傳感器不像視覺，可得到一個全局的視圖，僅能透過物體局部表面的特性來做，其次，觸覺的讀數較難解釋。為了解決這些限制，他們在機器人的兩指抓手（a two-fingered gripper）上配置 2 個高分辨率 GelSight 觸摸傳感器，并與攝像頭結合，當抓手與物體接觸時，攝像頭會拍下抓手拾取物體時，凝膠受力而產生的壓痕，然后 GelSight 產生讀數（reading），這些數據輸入到 CNN 里。通過收集 98 個不同物體的樣本，并讓機器抓手反覆學習，他們的實驗結果表明，所訓練出的 AI 能夠從觸覺中正確推斷物體是什么，即使對于沒看過的新物體，檢測率也不差。

另外，研究人員表示，先前已有其他探討多模態關聯的研究，例如視覺和聽覺的匹配、視覺和語言的匹配等，他們則是受到一篇開發雙流分類器來預測圖像和音頻是否來自同一視頻的研究所啟發，另外，先前的機器人觸覺研究多是識別“材料屬性”，他們的研究則可以通過觸摸識別“物體”。未來機器手觸覺可以應用在倉庫自動化機器人，通過手指來感覺、檢索貨架上的物體等。

另一篇論文《Manipulation by Feel： Touch-Based Control with Deep Predictive Models》則是上述研究的延伸，利用配置 GelSight 觸覺傳感器的機器人操控球，進行無監督的自主學習，進而開發出一個基于觸覺的控制模型，并且利用該觸覺預測模型，執行三個復雜的觸覺控制任務，包括將物體重新推移到指定位置、懂得操作游戲搖桿、把一個具有 20 個面的骰子推到指定面。不過，他們也表示研究方法仍有局限性，例如，短距離的控制，有些任務只需要幾十個步就可以達到目標，也就是說，執行簡單任務時有效，但若任務需要重新排列多個對象、或重復執行更復雜的手指步態時，模型就需要改進。此外，該研究只使用一根手指，可執行的范圍僅限于簡單的重新排列，未來將展開多只手指的研究，以擴展研究結果。

（摘自美《深科技》）（編輯/華生）