機器人革命已經(jīng)來臨，它以人類可以接受的社交機器人的形式出現(xiàn)，如家庭，學(xué)校，辦公室和公共場所中的自主機器人，以人類可感知的方式與人類和其他機器人進行交互，解決與人類核心需求相關(guān)的任務(wù)。

為了設(shè)計可以“理解”人類的社交機器人，機器人研究人員轉(zhuǎn)向研究人類交流心理學(xué)。康奈爾大學(xué)的研究人員認為，將觸摸感嵌入社交機器人可以教會他們檢測物理互動和手勢。他們描述了一種不依靠觸摸而是依靠視覺的方式。

機器人內(nèi)部的USB攝像頭捕獲機器人表面上的手勢陰影，并使用機器學(xué)習(xí)算法對其進行分類。他們將這種方法稱為ShadowSense，將其定義為視覺和觸摸之間的一種形式，將“高分辨率和低成本的視覺傳感帶入觸摸感官體驗中。”

康奈爾大學(xué)機械與航天工程學(xué)院Sibley學(xué)院的研究人員Guy Hoffman表示：社交或交互式機器人中的觸摸感應(yīng)通常是通過力傳感器或電容傳感器實現(xiàn)的。他的團隊所實現(xiàn)方法的缺點是，即使要達到粗糙的空間分辨率，也需要在小范圍內(nèi)使用許多傳感器。

但是，Hoffman和他的合作者使用非剛性充氣機器人時，安裝了消費級USB相機，并在相機上安裝了魚眼鏡頭，以提供更廣闊的視野。

Hoffman說：“鑒于機器人是空心的，并且皮膚柔軟而透明，我們可以通過觀察觸摸機器人的人的陰影來進行互動，并且我們能夠以非常高的精度做到這一點。”他們使用深層神經(jīng)網(wǎng)絡(luò)來解釋陰影，該機器人能夠解釋六種不同的手勢，包括單手或兩只手的觸摸、指向、擁抱和拳打，其準(zhǔn)確度為87.5％至96％，關(guān)鍵取決于光線情況。

Hoffman說，在當(dāng)前的迭代中，ShadowSense在弱光條件下表現(xiàn)不佳。環(huán)境噪聲或周圍物體的陰影也會干擾圖像分類。Hoffman說：“我認為，如果要做成一種商業(yè)產(chǎn)品，我們必須在圖像檢測方面做得更好。”

實際上，研究人員使用遷移學(xué)習(xí)（在一個新問題中重用了預(yù)先訓(xùn)練的深度學(xué)習(xí)模型）進行圖像分析。Hoffman說：“多層神經(jīng)網(wǎng)絡(luò)的問題之一是你需要大量的訓(xùn)練數(shù)據(jù)才能做出準(zhǔn)確的預(yù)測。顯然，我們沒有數(shù)以百萬計的人觸摸空心的、可充氣的機器人的樣本數(shù)據(jù)。但我們可以使用經(jīng)過訓(xùn)練的，經(jīng)過通用圖像訓(xùn)練的網(wǎng)絡(luò)，這樣我們就擁有數(shù)十億個圖像，并且僅使用我們自己的數(shù)據(jù)集來對網(wǎng)絡(luò)的最后一層進行重新訓(xùn)練。”

原文標(biāo)題：可見觸摸：相機如何幫助機器人感覺

文章出處：【微信公眾號：機器人技術(shù)與應(yīng)用】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責(zé)任編輯：haq