图为机器人仿生手感知区域图解。
北京通用人工智能研究院的实验室里，一只机器人仿生手正在执行一项高难度任务：用拇指和手掌握住瓶子的同时，用其它手指抓取高尔夫球，并精确运送到指定位置。
在机器人领域，如何在不影响运动功能的前提下实现全手高分辨触觉覆盖，一直是一个难题。“它能像人一样，通过触觉反馈进行精确操作。”北京通用人工智能研究院研究员刘腾宇介绍，这是名为“F—TAC Hand”的机器人仿生手，其掌面70%的面积上集成了高分辨率触觉感知，首次实现类人水平的自适应抓取能力。
不久前，这项由我国北京通用人工智能研究院、北京大学和英国伦敦大学玛丽女王学院联合研究的成果，在《自然·机器智能》上发表。
对人类手部功能的研究，是具身智能与机器人研究的前沿领域。刘腾宇介绍，“我们在拿取物体时涉及‘触觉反馈’与‘运动功能’两大能力，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。”
如何让机械手拥有“触觉”？“我们首次在真实人手比例的机械手中成功嵌入了17个视触觉传感器。”研究员李皖林介绍，机械手的模块化视触觉传感器，主要由多色光源、柔性镀膜硅胶体、刚性支撑件、微型摄像头和传感器板构成。
记者拿起一支钢笔按压机械手，后台的电脑屏幕上立刻显现出确切的接触位置、压力分布以及钢笔的纹理等信息。“为了让全部传感器同时工作，我们设计了一套多相机图像同步采集系统。”研究员王濛介绍，“传感器既是感知元件又是结构部件，在不牺牲手部灵活性的前提下实现了前所未有的触觉覆盖范围。”
人的手部有27块骨骼和34块肌肉，可以实现24个自由度。研究员李博韧介绍，在运动控制方面，机器人仿生手采用了绳驱方式，通过五根腱绳沿手指两侧布线，分别控制五指的屈伸动作。同时，关节内置扭簧结构，实现腱绳松弛时的自动复位，能够实现总计15个自由度与10牛顿的握力。
“我们开发了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，能够产生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。”北京通用人工智能研究院实习生、北京大学人工智能研究院博士生李宇飏说。
李宇飏介绍，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%。“基于触觉的闭环反馈机制，使其能够像人类一样，在不确定环境中保持高效灵活的操作能力，这对机器人在家庭、医疗和工业环境中的实际应用至关重要。”李宇飏说。
北京通用人工智能研究院院长、北京大学人工智能研究院院长朱松纯表示，这一研究成果验证了全手高分辨率感知可在不影响手部运动功能的前提下实现，为探索复杂的触觉具身智能开辟了新的研究道路，“更广泛地看，我们的研究成果为丰富感官反馈在智能行为中的关键作用提供了有力证据，并为超越纯计算方法的具身人工智能系统发展作出了方向性探索。”
