八年前，麻省理工学院计算机科学与人工智能实验室(CSAIL)的特德·阿德尔森研究小组公布了一项名为GelSight的新型传感器技术，该技术通过与物体的身体接触来提供物体表面非常详细的三维地图。
现在，通过在机器人臂的夹具上安装戈尔士岛传感器，两个麻省理工学院的团队给了机器人更大的灵敏度和灵巧。研究人员上周在国际机器人和自动化国际会议上介绍了两篇论文的工作。
在一篇论文中，阿德尔森的团队利用来自GelSight传感器的数据，使机器人能够判断接触表面的硬度——如果家用机器人要处理日常物品，这是一项至关重要的能力。
另一方面，Russ Tedrake在CSAIL的机器人运动小组使用GelSight传感器使机器人能够操作比以前更小的物体。
在某些方面，戈尔士岛传感器是一个难题的低技术解决方案。它包括一块透明橡胶 - 其名称的“凝胶” - 一个面部涂有金属涂料。当涂漆涂覆的面被压靠物体时，它符合物体的形状。
金属涂料使物体表面反光，因此计算机视觉算法更容易推断物体的几何形状。在橡胶块涂漆面对面的传感器上安装有三盏彩灯和一台摄像机。
“(系统)彩灯在不同的角度,然后它有反光材料,并通过观察颜色、计算机…可以算出的三维形状的东西是什么,”埃德森解释说,约翰和多萝西·威尔逊教授的视觉脑与认知科学系的科学。
在两组实验中，将凝裂传感器安装在机器人夹具的一侧，一个设备有点像钳子的头部，但是具有平坦的夹持表面而不是尖尖的尖端。
接触点
对于一个自主机器人来说，测量物体的柔软度或硬度不仅对判断物体在何处和如何抓取至关重要，而且对判断物体在移动、堆叠或放置在不同表面时的行为也至关重要。触觉感知还可以帮助机器人识别相似的物体。
在以前的工作中，机器人已经试图通过将它们放在平坦的表面上并轻轻戳它们来看看它们给予多少来评估物体的硬度。但这不是人类衡量硬度的主要方式。相反，我们的判断似乎是基于对象与手指之间的接触面积的程度随着我们的压力而变化。更软的物体倾向于更平缓，增加接触面积。
麻省理工学院的研究人员采用了同样的方法。机械工程研究生袁文珍(Wenzhen Yuan，音译)是阿德尔森小组论文的第一作者，他用糖果模具制作了400组硅胶制品，每组16个。在每一组中，物体的形状相同，但硬度不同，袁用标准工业秤测量了硬度。
然后，她手动按下裸体传感器，并记录了接触模式如何随时间变化的，基本上为每个对象产生短电影。为了标准化数据格式并保持数据的大小可管理，她从每部电影中提取五个帧，均匀地间隔，这描述了按下的对象的变形。
最后，她将数据馈送到神经网络，它自动寻找接触模式和硬度测量变化之间的相关性。生成的系统将视频帧作为输入框架，并产生具有非常高的精度的硬度分数。人民币还进行了一系列非正式实验，其中人类受试者触诊水果和蔬菜，并根据硬度排名。在各种情况下，配备了戈尔士岛的机器人到达同一排名。
Yuan的两位论文导师Adelson和Mandayam Srinivasan(机械工程系的高级研究科学家)也参与了论文的撰写。去年夏天，清华大学本科生朱晨卓(Chenzhuo Zhu)参观了阿德尔森的团队;以及在麻省理工学院获得电气工程和计算机科学博士学位、目前在加州大学伯克利分校(University of California at Berkeley)做博士后的安德鲁•欧文斯(Andrew Owens)。
阻塞的观点
The paper from the Robot Locomotion Group was born of the group’s experience with the Defense Advanced Research Projects Agency’s Robotics Challenge (DRC), in which academic and industry teams competed to develop control systems that would guide a humanoid robot through a series of tasks related to a hypothetical emergency.
通常，一个自主机器人会使用某种计算机视觉系统来指导它对环境中的物体的操作。这样的系统可以提供非常可靠的关于物体位置的信息，直到机器人把物体捡起来。特别是当物体很小的时候，大部分物体会被机器人的抓手遮挡，使得位置估计更加困难。因此，在机器人需要精确地知道物体位置的时候，它的估计就变得不可靠了。这是麻省理工学院团队在DRC期间面临的问题，他们的机器人必须拿起并打开电钻。
“你可以在我们的视频中看到我们花了两到三分钟的钻探，”电气工程和计算机科学研究生Greg Izatt说，“新纸上的第一作者Greg Izatt说。“如果我们在钻头的位置和我们手相对于它的位置，那么如果我们进行了现场更新，准确估计，那就太好了。”
这就是机器人机器人组转向戈尔士岛的原因。Izatt和他的共同作者 - Tedroke，Toyota电气工程和计算机科学教授，航空航天，机械工程;阿德尔森;和Geronimo Mirano，另一个泰勒群组设计的控制算法，使用电脑视觉系统将机器人的夹具指向工具，然后在机器人手中有工具后将位置估计转到玻尔斯岛传感器。
一般来说，这种方法的挑战是协调视觉系统产生的数据和触觉传感器产生的数据。但GelSight本身是基于摄像头的，所以它的数据输出比其他触觉传感器的数据更容易与视觉数据集成。
在伊扎特的实验中，一个配备了gelsight抓手的机器人必须抓住一个小螺丝刀，把它从皮套中取出，然后放回去。当然，来自GelSight传感器的数据并不能描述整个螺丝刀，只是一小部分。但伊扎特发现，只要视觉系统对螺丝刀初始位置的估计精确到几厘米以内，他的算法就能推断出GelSight传感器接触到螺丝刀的哪一部分，从而确定螺丝刀在机器人手上的位置。
了下:M2M(机器对机器)
