颠覆！4篇Science/Nature齐发力，只为了柔性可穿戴器件的一个关键问题！

小奇

2020-11-17

世界上最精妙的运动莫过于我们的双手，在上面存在非常多的触觉感受器，每时每刻都在为我们提供触觉反馈，我们触摸和关节的运动，使得我们毫不费力地轻松操纵各种物件。

1833年，贝尔在撰写的关于手的有先见之明的论文中，将人的手称为“对所有完美的完美体现”。这种思想到如今依然有共鸣，因为现在的机械手想要达到人类水平灵活性还存在非常大的挑战。

目前的观点认为，对灵长类触觉系统的最新见解以及机器学习（ML）的进步可能为应对这一古老的机器挑战提供新的前景。

近日，来自波士顿大学Subramanian Sundaram在Science期刊也对此进行了展望，结合这两个领域，希望机械手在未来可以做到精细的感知！

首先讲述的是人类触觉系统

机器人专家研究了人类触觉生理的各个方面（从机械感受器到神经编码方案再到抓握策略），以启发设计机器人触摸系统。大多数注意力都集中在创建模仿机械感受器的电子传感器上，如下图所示。目前分为四种类型的机械感受器来刺激皮肤，它们分别响应不同类型的触觉刺激：快速适应性受体FA I和FA II，以及缓慢适应性受体SA I和SA II。

图|人与机器人的触觉

人体离子通道尚待完善

自1970年以来，科学家已经系统地绘制了人类手中这些不同的机械感受器类型的空间覆盖范围。但是，力的亚细胞分子传感器难以识别。科学家发现机械激活的离子通道PIEZO1和PIEZO2是哺乳动物细胞中的力传感器，而PIEZO2在人类触觉和本体感受功能中的作用的证据使人们能够理解与人类接触有关的初始信号，2010年的Science就发表了关于此通道的研究。众所周知，PIEZO2参与许多低阈值机械感受器。

但是，仅仅知道PIEZO离子通道够吗？很明显是不够的，因为仅PIEZO不能解决人体的全部机械传感问题，显然还有许多机械敏感离子通道家族都有助于触摸，未来这边还是有很大有待填补的空间。

有实质性突破

我们的手对于一系列物体的是非常连续的，在物体表面轻抚过去，触摸不同的材料得到的反馈显然是不一样的，目前，在现代机器人中复制机械感受器和皮肤的所有微妙特征，还不能让人满意。

但是，在创建柔软的、可拉伸的电子皮肤方面已经取得了实质性进展，该皮肤可以感知垂直于表面的载荷或对表面的剪切力。在两种情况下，都可以感应到静态或动态力。使用软材料和高性能有机电子产品的创新制造策略也使神经形态传感器能够产生动作电位，在2018年，鲍哲南教授的一篇Science论文表明可以响应力而产生电压尖峰。

与人类的体系结构相比，今天为机器人设计的神经形态触觉系统仍处于新生阶段。因为，在人类中，指尖的受体空间分布通常为240个单位/ cm²，超过17,000个受体覆盖在手部。而现代机器人则落后两到三个数量级，并且分布式处理的级别数也需要大大改善。但是，这种方法很有前景，因为基于尖峰的处理可以高保真度和能效高效地编码时间关系、运动和其他对象属性。

图自Science

不止于被动触摸

被动触摸并不是我们获取触觉信息的唯一方式。为了识别被抓住的物体并同时估计其物质特征、质地和重量（全都不借助视觉），人类经常还使用主动触觉（探索性和信息性动作）来完善所获得的感官信息。因此，我们可以通过滑动手指来确定质地，并可靠地区分天鹅绒和羊毛等织物。

机器学习方向

尽管具有类似感觉运动控制的物体的机器人操纵受到机器人手中的触觉硬件的限制，但是在使用视觉数据方面取得了令人兴奋的进步。摄像机的无处不在以及获取大型数据集的能力（这对于有效利用深度卷积神经网络（CNN）和强化学习算法至关重要），为操纵任务中视觉运动策略的成功做出了贡献。

但是，过分依赖视觉会带来问题。依靠视觉都是在固定设置下进行的，没有视觉阻挡，效果很好。但是一旦放进高度复杂和动态的环境里面，这时候视觉产生阻碍，机械手灵活度就受到了限制。

基于机器人视觉的对象操纵的成功对机器人触摸具有很多强烈的启示。它证实了新兴的机器学习工具可以有效地将高维图像中的信息提取为可行的控制策略。许多类的算法（例如CNN）可以很容易地与触觉数据一起使用，并且基于视觉的ML策略可以用于抓握计划，例如本Science展望作者Subramanian Sundaram在2019年发表在Nature上的论文所证明的那样。

触觉传感器的硬件未来发展路线图可能至少集中在三个主题上：

1）应该重新强调触觉传感器在机器人的使用寿命（数年）内的可靠性，并强调产生大量高质量的数据。

2）需要使用具有增加的分布式处理和减少的布线的阵列架构来记录光接触、变形、振动和温度的多模态传感器。

3）另外，还需要稳健的本体感受以可靠地定位物体接触。

神经形态触觉硬件（和软件）的发展将极大地影响仿生假体的未来-机器人手的应用。坚持紧密反映自然触觉编码方案的编码技术对于通过周围神经界面为用户提供逼真的感官反馈至关重要。在这方面，提高这些连接的密度至关重要。

相信可穿戴精细感知这个领域，未来每一个突破都是Nature/Science级别的。

参考文献：

Subramanian Sundaram. How to improve robotic touch. Science 2020.

DOI: 10.1126/science.abd3643

https://science.sciencemag.org/content/370/6518/768