触觉机器手首次实现动态环境下灵巧抓取

近日，由北京大学人工智能研究院、北京大学武汉人工智能研究院、北京通用人工智能研究院、北京大学工学院和伦敦玛丽皇后大学联合组成的科研团队取得一项重大突破——“高分辨率触觉感知机器手实现类人适应性抓取”，该成果发表在国际学术期刊《自然·机器智能》上。

人的手部具有结构高度复杂、功能极为精密的特点，由27块骨骼和34块肌肉组成，提供了24个自由度的灵活性。人在拿取物体时涉及“触觉反馈”与“运动功能”两大能力：触觉反馈包含运动觉（通过肌肉、肌腱和关节感知力量）与皮肤触觉（通过皮肤感知接触状态、纹理、温度、摩擦力等物理特性）；运动功能包括运动学（研究关节的角度、位置及其运动的几何关系）与动力学（研究力和扭矩应该如何作用于关节和肢体，从而实现精确的运动控制）。

对人类手部功能的研究是具身智能与机器人学科研的前沿领域。此次联合科研团队开发的F-TAC Hand，是国际首个同时具备全手高分辨率触觉感知和完整运动能力的机器人手系统。

解决“触觉反馈”难题

在以往的研究中，触觉反馈与运动能力的整合被认为是机器人研究领域中的关键挑战之一。一方面，从硬件角度来看，如何避免触觉传感器的引入对机器人的运动灵活性造成影响是第一个难题，而且，当前的触觉传感技术在覆盖率、分辨率和耐久性等方面也难以满足实际应用需求。另一方面，获得了具备高分辨率触觉感知能力的机械手，下一个难题则是如何高效地处理大量的触觉数据，并以此驱动每个关节协同运动，使其在高自由度空间中像人一样完成复杂的任务。

在缺乏丰富触觉反馈的情况下，目前主流的机器人手或抓取器难以应对动态环境中的复杂操作任务。联合科研团队的成果是首次在保持完整运动能力的前提下，实现机器人手掌表面70%区域的高分辨率触觉覆盖，使机器人能够像人类一样通过触觉反馈进行精确操作和适应性抓取。

“人类在抓取一个装满水的杯子与一个空杯子时，抓握杯子的位置、角度、方式可能完全不同。然而，在机器人领域，如何在不影响运动功能的前提下实现全手触觉覆盖一直是一个难题。”论文第一作者、北京大学人工智能研究院博士生赵秭杭介绍，F-TAC Hand的高分辨率触觉传感器空间分辨率达到0.1毫米，相当于每平方厘米约有10000个触觉像素，远超目前商用机器人手的触觉感知能力，例如目前最先进的机器人手Shadow Hand，仅在指尖提供单点力传感。

实现高分辨率感知和多样化抓取

赵秭杭介绍，人类手部触觉系统由两个关键要素组成：遍布皮肤的密集触觉传感器阵列和大脑中专门解释这些海量感觉输入的神经处理机制。F-TAC Hand模拟了这种设计，将17个高分辨率触觉传感器以6种不同配置集成在一起，同时巧妙地将传感器设计为既是感知元件又是结构部件，从而在不牺牲灵活性的前提下实现前所未有的触觉覆盖范围。这种设计使F-TAC Hand能够像人类手掌一样，在抓取饼程中实时感知接触变化并迅速调整，极大提升了机器人在不确定环境中的操作稳定性。

“机器人手高度的关节灵活性会给控制算法带来极大挑战，我们通过开发一种生成人类多样化抓取策略的算法来解决这一问题。该算法基于概率模型，能够实现与人类非常相似的抓取方式，涵盖了人类常见的19种抓取类型。”论文共同第一作者、北京通用人工智能研究院博士生李宇飏解释。

实验结果表明，当理论上最优的抓取策略在现实环境中遇到障碍时，F-TAC Hand能够在约100毫秒内感知情况并快速切换到替代策略，确保任务完成。相比没有触觉反馈的系统，F-TAC Hand在面临执行误差和物体碰撞风险时表现出显著的适应性优势，平均成功率从53.5%提升至100%。这种基于触觉的闭环反馈机制，使F-TAC Hand能够像人类一样，在不确定环境中保持高效灵活的操作能力。

在论文通讯作者、北京大学人工智能研究院助理教授朱毅鑫看来，这项研究成果在对操作精度有极高要求的辅助手术、高精密组装类工作以及航空航天、应急响应等领域有广泛的落地场景。“未来我们将继续深化触觉感知与机器人控制的结合，探索更加智能的体感交互范式，为实现真正意义上的通用人工智能奠定基础。”朱毅鑫说。