MIT人工智能實驗室的研究人員開發了一種“觸覺手套”，548個傳感器，戴上它就能識別物體、物體的重量等，而且原始成本僅需10美元！

“滅霸打了一個響指，全宇宙半數的生命瞬間消失。”

漫威漫畫中描繪的“無限手套”功能無比厲害，不過滅霸也要集齊了六顆無限寶石，才能發揮出“無限手套”的能力。

現在，有一個神奇手套，它沒有寶石，但裝了548個傳感器，戴上它就能測到物體、物體的重量等，而且僅需10美元成本！你想不想要？

如果你曾在黑暗中摸索過自己的眼鏡或手機，就會知道我們人類非常擅長通過觸摸來弄清楚物體是什么。

即使我們的其他感官失敗了，提供給我們大腦的觸覺信息仍然是我們與周圍環境交互的有力工具。這是一種非常重要的能力，也是機器人研究喜歡模仿的能力。如果實現了的話，機器人可以擁有更靈巧的機械手，假肢也會更加逼真和有用。

研究和復制人類的感官能力，例如視覺、聽覺和觸覺，依賴于能否得到合適的數據。通常，數據集越大、越豐富，模型就越能模擬這些功能。

MIT人工智能實驗室(CSAIL)的Subramanian Sundaram等研究人員開發了這種低成本的觸覺手套，通過獲得詳細壓力圖的大型數據集，使AI系統能夠僅通過觸摸來識別物體。他們的論文發表在最新一期Nature雜志上。

64條導電線，548個傳感器，原始成本10美元

這個神奇手套名為“可伸縮觸覺手套”(scalable tactile glove，STAG)，使用柔性材料，在幾乎整只手上布置了550個微型傳感器。

手套由一個手形的傳感器套和一個普通的針織手套組成，如下圖所示：

低成本的觸覺手套，由一個普通針織手套(黃色)和一個手形的傳感器套(黑色)組成。

傳感器套筒分兩層排布了64條導電線，橫向和縱向分別32條，在兩層導電線之間有一張力敏膜(對垂直力敏感的薄膜)。

這些線交叉的548個點，每一個都是壓力傳感器。當這些點被按壓時，交叉點處薄膜的電阻會變小，電極陣列就能進行感知。

手套的輸出可以處理成32×32的灰度像素陣列，其中每個像素的顏色表示壓力變化，黑色表示壓力低，白色表示壓力高。

研究人員每秒七幀的速度將壓力圖記錄下來。使用手套在操作物體時傳感器收集到的壓力圖，可以讓機器學習模型學習識別物體、估計物體的重量，以及區分不同的手部姿勢。

Sundaram和同事戴著這只手套，在3~5分鐘的單手操作26件日常物品(包括汽水罐、剪刀、網球、勺子、鋼筆、水杯等)的過程中，記錄了幾段壓力圖的視頻。

用于實驗的物品。

實驗總共使用了 26 個物品；這里顯示了 24 個，此外還有兩個可樂罐（一個空罐和一個滿罐）。

這個過程產生了一個詳細的壓力圖數據集，作者表示，這是最大的此類數據集之一。

盡管手套的制造成本僅為10美元左右，但十分靈活、結實，對微小的壓力變化敏感。

為了證明手套能捕捉到手與每個物體的不同互動，研究人員使用記錄的數據進行了自動對象識別。他們展示了一個最先進的深度學習模型如何從收集的壓力圖數據中學習重新識別26類物體，該模型最初是為大規模圖像分類而設計的。

僅使用觸覺數據，AI系統識別物體的準確率高達76%。實驗還證明，大量的壓力圖及其空間分辨率是成功識別目標的關鍵。

接下來，作者使用手套來拾取物體，并證明了類似的深度學習模型可以估計未知物體的重量。結果顯示，重量在60克以內的物體大部分都能準確估計出來。

重量估計的示例和性能。

他們還實驗了不同的姿勢，證明手套傳感器讀取的信號非常詳細，足以區分不同的姿勢。

使用分解的手姿態信號的六個傳感器的對應圖。

從物體相互作用中分解出的手位信號被用來共同提取傳感器和全手之間的相關性。

手勢信號

最后，Sundaram和他的同事通過觀察信號相關性分析了不同手部區域在抓取物體時的協作。

觸覺手套抓起一個咖啡杯產生的交互