機器人革命已經(jīng)來臨，它以人類可以接受的社交機器人的形式出現(xiàn)，如家庭，學校，辦公室和公共場所中的自主機器人，以人類可感知的方式與人類和其他機器人進行交互，解決與人類核心需求相關(guān)的任務。

為了設(shè)計可以“理解”人類的社交機器人，機器人研究人員轉(zhuǎn)向研究人類交流心理學。康奈爾大學的研究人員認為，將觸摸感嵌入社交機器人可以教會他們檢測物理互動和手勢。他們描述了一種不依靠觸摸而是依靠視覺的方式。

機器人內(nèi)部的USB攝像頭捕獲機器人表面上的手勢陰影，并使用機器學習算法對其進行分類。他們將這種方法稱為ShadowSense，將其定義為視覺和觸摸之間的一種形式，將“高分辨率和低成本的視覺傳感帶入觸摸感官體驗中?！?/p>

康奈爾大學機械與航天工程學院Sibley學院的研究人員Guy Hoffman表示：社交或交互式機器人中的觸摸感應通常是通過力傳感器或電容傳感器實現(xiàn)的。他的團隊所實現(xiàn)方法的缺點是，即使要達到粗糙的空間分辨率，也需要在小范圍內(nèi)使用許多傳感器。

但是，Hoffman和他的合作者使用非剛性充氣機器人時，安裝了消費級USB相機，并在相機上安裝了魚眼鏡頭，以提供更廣闊的視野。

Hoffman說：“鑒于機器人是空心的，并且皮膚柔軟而透明，我們可以通過觀察觸摸機器人的人的陰影來進行互動，并且我們能夠以非常高的精度做到這一點。”他們使用深層神經(jīng)網(wǎng)絡(luò)來解釋陰影，該機器人能夠解釋六種不同的手勢，包括單手或兩只手的觸摸、指向、擁抱和拳打，其準確度為87.5％至96％，關(guān)鍵取決于光線情況。

Hoffman說，在當前的迭代中，ShadowSense在弱光條件下表現(xiàn)不佳。環(huán)境噪聲或周圍物體的陰影也會干擾圖像分類。Hoffman說：“我認為，如果要做成一種商業(yè)產(chǎn)品，我們必須在圖像檢測方面做得更好?！?/p>

實際上，研究人員使用遷移學習（在一個新問題中重用了預先訓練的深度學習模型）進行圖像分析。Hoffman說：“多層神經(jīng)網(wǎng)絡(luò)的問題之一是你需要大量的訓練數(shù)據(jù)才能做出準確的預測。顯然，我們沒有數(shù)以百萬計的人觸摸空心的、可充氣的機器人的樣本數(shù)據(jù)。但我們可以使用經(jīng)過訓練的，經(jīng)過通用圖像訓練的網(wǎng)絡(luò)，這樣我們就擁有數(shù)十億個圖像，并且僅使用我們自己的數(shù)據(jù)集來對網(wǎng)絡(luò)的最后一層進行重新訓練?！?/p>

原文標題：可見觸摸：相機如何幫助機器人感覺

文章出處：【微信公眾號：機器人技術(shù)與應用】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責任編輯：haq