作者：朱利安·蓋伊（Julien Ghaye）博士，邁來芯機器人產品線經理

機器人新時代的到來，不僅是為了提高性能，更是為了促進機器與環境之間，以及更重要的，與整個社會之間建立一種新型的融合。機器人正開始走出封閉的生產線，進入家庭、醫院、倉庫和野外——這些空間本身更具動態性、非結構化，且常常與人共享。

這種轉變不僅依賴于人工智能 (AI) 的進步，還需重新審視機器人感知世界的方式。在這些環境中，物理交互既不可避免又常具不可預測性，因此要求機器人能夠真正模擬人類的感官，其中觸覺扮演著至關重要的角色。機器人不僅要決策執行何種操作，更要理解其操作方式：例如，抓握是否穩固，是否發生接觸，以及阻力有無變化。

這一愿景的實現，并非僅依賴于孤立的技術提升。將觸覺傳感器等反饋機制與智能自適應控制系統相融合，是一項跨學科的挑戰，亟需電子硬件、軟件、嵌入式系統、機械機器人以及機電一體化領域的專家展開廣泛協作。

本文旨在探討Melexis與布魯塞爾自由大學 (VUB) 布魯塞爾人類機器人研究中心Brubotics之間的合作，如何為開辟機器人交互新領域樹立典范。

賦能智能機器人感知

現代機器人系統，特別是在配備高精度視覺系統并應用于重復性操作時，已展現出令人矚目的精度和適應性。然而，觸覺感知——即感知和解釋物理接觸的能力——仍然相對有限。目前許多機器人設想利用視覺反饋和先進的力傳感器，但由于成本過高和難以達到所需精度等因素，這些傳感器的實際集成常常受到限制。

盡管這種基本方法在高度結構化的環境中行之有效，但當機器人需要操作易碎或不規則物體、動態調整抓取力或與人類安全交互時，其局限性便會顯現。與人類觸覺（其包含壓力、方向、摩擦和振動等多種感知信息）的豐富性不同，大多數機器人平臺對接觸的理解相對狹窄。

例如，缺乏可靠的剪切力檢測將限制系統檢測抓取何時打滑的能力。若不具備此能力，機器人將不得不依賴預設的抓取策略或過度補償力，這會增加物體掉落或損壞的風險。這也限制了它們從交互中學習和實時適應不斷變化條件的能力，因為控制系統對抓取任務的建模和理解本質上是有限的。

為彌補人類在多模態觸覺反饋方面的固有不足，機器人需配備先進的觸覺硬件，以提供全面的三維信息，從而實現對其環境更準確的感知與交互。這種對人類操作的效仿也延伸到了軟件層面。

復雜的嵌入式軟件，例如邊緣人工智能，對于機器人系統解釋觸覺數據至關重要，尤其是在理解和適應機器人在非預設抓取任務中與物體進行的復雜交互方面。然而，復雜物理交互的人工智能開發本身可能非常耗時，尤其是在真實世界中進行時。

這些挑戰體現了機器人領域中一個更深層次的問題：傳感硬件與人工智能開發之間長期存在的隔閡。為了促進機器人觸覺技術的實質性進步，硬件與軟件不僅需要各自提升，更應在共享用例、通用數據集和協同設計的指導下協同演進。正是傳感器設計與機器人實際應用之間的這種差距，促成了Melexis和Brubotics之間的合作。

協同合作：Melexis與Brubotics 的實踐

在法蘭德斯創新與創業局 (VLAIO) SKINAXIS項目的資助下，布魯塞爾自由大學 (VUB) Brubotics 聯盟的八個研究小組，正致力于應用 Melexis 技術，旨在賦予機器人以真實的觸覺感知能力。此項研究不僅著眼于解決接觸力精確測量的技術難題，更致力于應對如何有效利用這些數據以提升機器人在實際應用中性能的復雜挑戰。

該項目的硬件核心采用 Melexis 專為機器人市場全新設計的創新產品——Tactaxis。與通常僅檢測垂直（法向）壓力的傳統觸覺傳感器不同，這種新型 3D 磁性觸覺傳感器能夠以高精度和高分辨率檢測法向和橫向（剪切）力。這得益于其精巧的機械-磁性設計：嵌入柔軟彈性體結構中的磁體在外力作用下發生位移，下方通過 Triaxis 3D 磁傳感 IC 測量此位移。在此配置下，每個緊湊型 6 x 6 x 4.4 mm3 的觸覺傳感器均能以高達每秒 1000 個樣本的速度傳輸實時接觸力矢量數據，靈敏度達到 30 mN，法向力范圍為 5 N，過載電阻為 15 N，確保捕捉到最微小的偏差。

在此項目中，Brubotics的職責是將原始傳感數據轉換為實際的機器人應用，旨在展示增強機器人交互安全性和精確度的創新解決方案。這需要開發人工智能算法、機器人控制策略和實驗環境，以使機器人能夠解釋傳感器反饋、預測打滑，并調節抓手力，從而確保牢固抓取各種物體而不會造成變形。

Brubotics并未從零開始收集訓練數據（這是一個緩慢且費力的過程），而是利用NVIDIA的Isaac Sim平臺，采用了一種基于仿真的訓練方法。

Brubotics團隊通過將Tactaxis傳感器的物理模型集成到虛擬機器人系統中，使其人工智能模型能夠在模擬環境中處理數千項操作任務。這些數字孿生涵蓋了物體特性、表面摩擦和動態交互等常見變量，從而使模型能夠學習豐富的接觸行為，而不受真實世界數據收集瓶頸的限制。

在邁來芯的支持下，人工智能模型正通過真實世界測試不斷完善和驗證，以確保虛擬與物理性能的一致性。同時，高精度傳感器數學模型正在開發中，并進行實驗驗證以表征其精確局限性。這一嚴謹的過程使團隊能夠根據不同的應用場景量化傳感器的性能，為更廣泛的部署奠定基礎。與其他替代方案相比，該傳感器小巧、輕便且價格低廉的設計，為這項工作提供了內在支持，使其適用于廣泛的應用領域。

潛在的應用場景

盡管研究工作仍在進行中，人工智能模型也在不斷完善以進一步提升系統性能，但Brubotics仍成功地將Melexis技術應用于多個原型項目中。

研究團隊正在康復和輔助機器人領域探索利用配備Tactaxis的機器人檢測患者主動發起的運動。這些系統不再是被動的設備或僵硬的施力器，而是能夠更準確地推斷運動意圖，并提供相應比例的動態支持。這在外骨骼或治療性機械手等設備中具有至關重要的功能。

針對通用機器人操作，硬件與軟件實體之間的協作展示了如何通過基于精確三維觸覺數據的自適應控制來提升抓手和機器人的性能。該項目的持續成功凸顯了工程師在設計能夠檢測物體穩定性變化并調整抓取策略的系統方面的能力——這對于人形機器人、協作機器人（Cobots）和自主移動系統而言至關重要。這種伙伴關系獨特地結合了公共資金、學術研究、行業專有技術和實際測試，反映了機器人開發的復雜過程，并展示了有意義的機器人應用如何從實驗室加速推向實際部署。

開創更智能的機器人未來

Melexis和Brubotics之間的合作雖然專注于特定的試點應用，但其深遠影響不容忽視。這項精確、定向、緊湊且經濟高效的觸覺傳感技術，有望成為下一代機器人系統的基石能力。

對于協作機器人而言，其在執行器層面檢測和解釋接觸事件的能力，而非僅限于表面檢測，有助于實現更安全、更靈活的行為。機器人不再是遇到阻力便完全停止，而是能夠評估輕微的觸碰是故意的、偶然的，還是需要適應的信號。觸覺傳感增強了機器人夾具對物體重量、形狀或柔順性變化的響應能力——這些特性難以通過視覺進行評估。這也支持了使用更柔軟、更順從的材料，因為控制不再僅僅依賴于固定的抓取力或預定義的軌跡。

人形機器人和服務型機器人的迅速發展，凸顯了對真實觸覺的迫切需求。觸覺對于有效抓取物體，以及在不可預測、擁擠或專為人類交互設計的環境中進行導航至關重要。觸覺反饋使這些機器人能夠適應輕微接觸，通過順應性引導交互，并以與周圍人員更直觀的方式運行。

“此次合作彰顯了Melexis對創新的堅定承諾。通過與大學研究人員攜手，并支持學生參與，并將其卓越的工程能力貢獻于共同的挑戰，公司致力于將基礎技術轉化為具有實際社會影響的系統。”

隨著機器人技術日益從工業領域拓展至日常生活，各種形式的合作將有助于開發安全、可靠且富有意義的機器人交互。如欲深入了解Melexis先進傳感器技術如何助力工程師推動下一代智能機器人系統，敬請訪問點擊>>了解更多。