觸覺感知技術在人機交互領域具有重要價值。分布在軟體機械手的觸覺傳感器能夠在非結構化的場景交互中為人們提供多模態(tài)感知信息，如接觸狀態(tài)（穩(wěn)態(tài)、滑動、扭轉(zhuǎn)等）、表面特征（粗糙度、紋理、曲率等）、物理屬性（形狀、重量、剛度等），這些信息對于機器人與環(huán)境、環(huán)境與人、人與機器人的安全交互起到了至關重要的作用。具有觸覺感知的軟體機械手更加智能化，且更具安全性與靈活性，可在醫(yī)療、農(nóng)業(yè)、軍事等領域得到更廣泛應用。

圖1 觸覺感知軟體機械手

近日，清華大學深圳國際研究生院曲鈞天助理教授的海洋軟體機器人與智能傳感實驗室（Ocean Soft-Robot and Intelligent Sensing Lab，OASIS-LAB）針對軟體機械手的觸覺感知技術發(fā)表綜述文章，文章從傳感原理及結構層面分別介紹了幾種不同類型的觸覺傳感器，討論了應用于軟體機械手觸覺感知傳感器的特點，其次介紹了不同的觸覺感知模態(tài)和感知方法，進而介紹了觸覺感知軟體機械手在不用領域中的場景應用。最后，文章探討了目前應用于軟體機械手的觸覺感知技術面臨的挑戰(zhàn)，并給予了一些研究思路和解決方案。

圖2 電容、壓阻和壓電觸覺傳感器

應用于軟體機械手的觸覺傳感器（圖2）主要包括電容式觸覺傳感器、壓阻式觸覺傳感器、壓電式觸覺傳感器、基于視觸覺傳感器、光纖布拉格光柵觸覺傳感器、摩擦電式觸覺傳感器、電磁式觸覺傳感器、智能紡織品和纖維等先進的觸覺傳感器，并針對不同典型觸覺傳感器的主要性能（如靈敏度、量程、分辨率等）及傳感優(yōu)缺點進行了對比分析。此外，作者還討論了觸覺傳感器系統(tǒng)集成方法，包括用于檢測各種刺激的先進觸覺傳感器、數(shù)據(jù)傳輸與功耗管理。

圖3 物體屬性觸覺感知技術的應用

與傳統(tǒng)的剛性機械手相比，軟體機械手具有與非結構化環(huán)境交互更安全、變形能力更靈活的優(yōu)點，為了增強智能感知能力，如圖3所示，研究人員采用了大量的觸覺傳感器來獲取抓取物體信息。作者分別從力感知、物體屬性感知、滑動感知，以及融合感知四個方面分別探索了不同的觸覺感知模態(tài)，分析并對比了用于軟抓手觸覺感知的典型機器學習方法。此外，作者還討論了用于軟抓手的觸覺傳感技術的特殊要求。

圖4 具有觸覺感知的軟體機械手在水下與醫(yī)療方面給的應用

近年來，機器人和剛性機械手得到了廣泛的應用，而軟體機械手的出現(xiàn)，將任務操作的性能提高到了一個新的層面（如圖4）。作者分別從水下、醫(yī)療、農(nóng)業(yè)、工業(yè)領域介紹了軟體機械手的應用場景，如水下活體生物抓取、神經(jīng)假肢、果蔬采摘與分類、貨物搬運等。

盡管多年來，觸覺技術取得了重大發(fā)展，并吸引了越來越多的研究興趣，但在這一領域的應用仍處于早期階段。回顧以往的研究，作者提出了以下仍需克服的挑戰(zhàn)：

（1）研發(fā)先進的觸覺感知傳感器。目前的柔性觸覺傳感器，其耐用性和可靠性低、復雜度高、兼容性較差、靈活性低、壽命低。此外，用于大面積壓力檢測的觸覺傳感器陣列，以及旨在獲得多種傳感器功能的多模態(tài)觸覺傳感器將成為集成觸覺傳感器系統(tǒng)的發(fā)展趨勢，該領域尚未取得重大突破。

（2）算法的有效性不足。近年來，CNN、DNN、SVM等機器學習算法被廣泛應用于觸覺感知信息的分析。然而，人工智能算法訓練時間成本較高，且泛化能力仍然不足，導致感知的準確性不是很高。因此，高效的算法在處理軟體機械手的觸覺感知信息方面具有重要作用。

（3）欠缺可靠的控制策略。目前，大多數(shù)軟體機械手僅停留在觸覺感知水平，為了使軟抓器安全、自適應地抓取目標，基于觸覺傳感器的觸覺信息需要可靠的閉環(huán)控制策略。由于軟材料的影響，這些閉環(huán)控制策略必須具有快速響應、高控制精度和抗干擾等特點。

（4）成本方面。降低軟抓手的復雜觸覺感知系統(tǒng)的成本也不容忽視，不僅要考慮觸覺傳感器的成本，還要考慮硬件設備、控制系統(tǒng)、軟件等的成本。

為了解決觸覺傳感技術在軟抓手應用中面臨的挑戰(zhàn)，未來可考慮以下幾方面進行深入研究：

（1）結構：為提高觸覺感知性能，除傳統(tǒng)的創(chuàng)新手段改善微觀工程結構外，我們還可從自然界中汲取靈感，利用仿生機制設計各種微觀觸覺感知結構，如捕蠅草的應激反應、小鼠的觸須等。

（2）材料：考慮采用非聚合物材料，可通過創(chuàng)造額外的自由體積空間來減少聚合物鏈的變形，以提高傳感器的響應速度，解決粘彈性引起的遲滯效應。此外，開發(fā)出更具生物相容性和類似生命性的新型軟材料，以及抗疲勞的天然合成人工肌肉組織。

（3）制造方法：在3D打印的基礎上發(fā)展可以從多個參數(shù)進行調(diào)整的增材制造技術，如可變剛度材料打印、微納米多層結構材料打印等。

（4）算法及控制：一是結合大模型開發(fā)更高效的機器學習算法實現(xiàn)海量觸覺信息的精準識別，二是將神經(jīng)網(wǎng)絡控制與經(jīng)典控制方法結合實現(xiàn)軟抓手的精準操作。

相關研究成果以“軟體機械手的觸覺傳感技術研究進展”（Recent Progress in Advanced Tactile Sensing Technologies for Soft Grippers）為題，發(fā)表在國際期刊《先進功能材料》(Advanced Functional Materials)上。

該項目得到了國家自然科學基金、深圳市“鵬城孔雀計劃”、北京市“青年人才托舉工程”、清華大學深圳國際研究生院科研啟動基金、交叉科研創(chuàng)新基金和海外合作基金等項目的資助。

審核編輯：劉清