AI赋能机器人！机械臂通过触觉思考

机器人现在拥有了具备触觉的皮肤，它们甚至能通过一次触碰便理解你的意图！

设想这样一个情景：当有人轻柔地触及你的臂膀，你几乎不假思索便能迅速辨别出这是一次友好的指引还是外界的阻碍，并随之调整你的动作；即便是在黑暗中，你也能迅速感知到接触的确切位置和力度，并迅速做出回应。

然而，受限于视觉依赖和稀疏的力觉感知，这种能力对于传统机器人来说仍旧遥不可及。

随着技术发展的步伐，这一状况逐渐发生转变。近期，香港科技大学申亚京教授领衔的研究团队成功研发了一种名为EmArm（Embodied sensorimotor robotic arm）的具身机器人手臂，该手臂实现了亚毫米级的触觉定位和实时“感知-行动”的闭环控制。

此技术与过往技术相比，最大的区别在于，它采用了机械臂共生设计，将具备“神经”功能的柔性皮肤直接嵌入硬质机械臂之中，从而首次在机器人手臂上实现了全臂的高分辨率触觉感知、高稳定性以及高精度的运动控制能力。

此外，研究团队进一步提出了一种集成了大面积触觉感知、本体感知、特征提取以及闭环控制的“感知-驱动”综合性算法。此算法旨在有效应对机器人接触问题，并使其能够适应不断变化的环境。

换言之，机器人不仅能够“感知”到接触，更能够如同人类一般，在接触外界的过程中对环境进行解读，并实时调整其动作。

图示：感知驱动一体化架构（来源：自然传感装置）

在实验过程中，该系统不仅精准辨识人类多样的触感模式，更具备稳固支撑失衡篮球的能力；即便摄像头无法捕捉到障碍物的存在，它也能凭借触觉自主中止运动，准确判断障碍物是否持续存在，并重新规划路径，以确保任务得以顺利完成。

这项研究为打造具有物理 AI、能在复杂环境中安全、自适应且直观操作的机器人，提供了一条可扩展的技术路径。申亚京对 DeepTech 表示：“EmArm能够实现进一步的拓展，应用于机器人腿部、躯干等关键部位，从而为人形机器人在家庭服务、协作工业、医疗辅助等场景中的安全与自适应交互提供了坚实基础。”

近期，一篇名为《面向全臂触觉感知与自适应机器人操作的具身感觉运动整合》（Embodied sensorimotor integration for whole-arm tactile sensing and adaptive robotic manipulation）的论文得以发表，该论文引起了广泛关注。Nature Sensors[1] 本研究的首位作者是香港科技大学的博士后研究员唐一峰，而申亚京教授则担任了通讯作者的角色。

图示：相关论文（来源：Nature Sensors）

机器人为何能在舞台上翩翩起舞却难以稳稳托起一个杯子？

在机器人技术领域，近年的进步可谓日新月异。我们见证了机器人能够优雅地舞动，甚至参与马拉松赛事。然而，这些成就主要展示了它们的运动技能。若要赋予机器人实际的工作能力，它们必须能够与环境或人类进行主动或被动的互动。

（来源：Nature Sensors）

为了使机器人在复杂环境中展现出智能行为，稳定的触觉感知能力成为不可或缺的硬件支撑。这使机器人能够识别接触的具体时间、位置和对象，否则，机器人可能会夹碎物体、使其掉落，甚至对人类造成伤害。

据悉，该研究的起点源于对生物体结构的深刻洞察。实际上，无论是人类还是动物，它们的驱动与感知都是高度融合的，均依赖于皮肤、骨骼、肌肉等结构，共同构成了一个智能生物的硬件基石。

基于此，研究团队提出，机器人也应追求这种一体化的集成设计理念。他们巧妙地将大面积的软性光学触觉皮肤深入嵌入到刚性的机械骨架之中，从而实现了刚性运动结构与软体触觉感知的天然融合。

在收集到海量高维触觉数据之后，如何能够实时有效地提取出有价值的特征，并将其转化为能够驱动电机进行自适应调整的动作指令？

手臂的“第六感”：不仅触感敏锐，更懂得如何行动

申亚京团队长期致力于机器人触觉解决方案的研究。在2024年，该团队推出了一种新型的大面积触觉感知方案[2]。基于前期的研究成果，研究人员在该研究中提出了感知与驱动一体化共型设计的方法及其相应的算法，为机器人的具身感知与运动能力提供了全新的解决方案。

实验结果揭示，EmArm的两点辨别阈值（即能够区分两个接触点的最小距离）介于18.2至21.6毫米之间，这一性能远超人类皮肤所能达到的30至50毫米。在两点分辨能力之外，该系统对单一接触点的定位也表现出色。其空间分辨率可达亚毫米级别，整体定位精度更是低于0.1毫米。

图示：触觉感知性能（资料来源：《Nature Sensors》）

尤为引人注目的是，即便在遭遇电磁干扰、温湿度变化、光照波动以及机械载荷等多种复杂环境因素的干扰下，EmArm的接触力重建准确率依然稳定在97.9%。此技术展现出其在实际工程系统部署中的巨大潜力，为该技术在工厂应用及家庭普及开辟了新的可能性。

此性能指标的达成，得益于多种优化设计的协同作用。对于平行式光触觉系统而言，提升两点分辨能力的关键在于实现更高的标记点密度。

事实上，团队在前期研究中确立了实现高标记点密度的可能性，那时我们提出了一种螺旋形标记点排列策略及材料形变的调控方法。这种方法显著提高了标记点的密度，其数值甚至接近两倍，并在平行式光触觉系统中创下了密度记录的最高峰。正如唐一峰对DeepTech所解释的那样。

在建立高密度标记点的基础上，进一步结合了本次研究提出的高分辨率重建算法，我们最终实现了与人类手臂皮肤相媲美，甚至在某些方面超越的两点分辨能力。

图示：基于触觉的人与机器人互动（来源：大自然的守护者——自然传感器）

此外，实验中研究团队证实，EmArm 能够精准识别戳、击、挠、捏、抚等五种触摸动作，其识别准确率高达 99.8%。同时，该系统能够实时分析人类的意图，并相应地展现出快乐、悲伤、好奇、害羞或生气的表情反馈。

当然，这并不意味着机器人具备真正的情感感知能力。它们通过解析触觉信号来辨识不同的触摸类型，进而激活相应的拟人化表情。更为引人入胜的是，当人类用手轻轻握住EmArm的前臂时，它能够感受到“我被温柔地握住了”。这种对社交触摸的理解，标志着机器人从工具向伙伴角色迈出的重要一步。然而，这是否意味着机器人真的理解了情绪，仍是一个值得深思的问题。

申亚京解释道：情绪的理解，实则源自对观察对象行为、反应等多维度特征的细致分析。对于人类，尤其是婴幼儿，触觉接触是传递情绪的最基础手段，其重要性甚至超越了听觉与视觉。

在另一方面，传统机械臂因无法感知意外接触，往往不得不与人类保持距离。然而，EmArm凭借其100毫秒级的高响应速度，即便在经历2,000次循环加载后仍保持性能稳定，同时具备快速轨迹重规划的能力，为未来人与机器人实现无隔离协作奠定了坚实的技术基础。

图示：在充满不确定性的环境条件下，实时进行轨迹的重规划（资料来源：Nature Sensors）

在执行操控任务时，一旦篮球处于非对称的放置状态于手臂之上，EmArm 能够通过全手臂的触觉反馈和精确的力控制，自动调整其姿态，从而稳固地夹持住这一不稳定物体。面对更加棘手的挑战——轨迹重规划实验，当动态障碍物（例如人手）在视觉范围内突然消失，EmArm 即刻借助触觉感应实现紧急制动，并迅速判断障碍物的临时性或永久性。随后，它能够自主地重新规划行进路径，巧妙地绕过障碍物，这一过程充分展示了其在视觉受阻、环境非结构化的情况下所展现出的智能能力。

本研究为基于“接触”的情感交互技术搭建了物理桥梁，并对其可行性进行了验证。从人类的角度来界定情绪的“理解”，需综合考虑视觉、触感、听觉、场景等多重维度的信息。这一领域正是团队未来计划持续深化研究的课题。

机器人所欠缺的，并非仅仅是皮肤这一层，而是完整的身体构造。

触觉能力是机器人融入日常生活的关键要素之一。在需要物理接触交互的场景中，如精细操作、人机协作、养老照料等，机器人的触觉功能是不可或缺的。从更宏观和更根本的层面来审视，研究团队坚信，具备身体感的触觉智能应成为机器人的标准感官配置。

若人类缺乏触觉感知系统，恐怕连握持一个杯子都将成为难题。同理，机器人若要顺利融入家庭，成为千家万户的常客，便亟需具备更加优异且稳定的感知驱动能力。

研究团队指出，EmArm所倡导的具身感觉运动架构，与当下备受瞩目的RT-2、OpenVLA等具身智能大模型，存在着一定程度上的互补性。

当前，无论是机器人硬件还是支撑其运作的大模型算法，均尚未达到迎接真正具身智能阶段的完全准备状态。本项研究旨在从硬件与算法两个维度探索解决方案，旨在直接应用于或与现有的主流具身智能大型模型相融合。EmArm生成的多维触觉数据，有潜力开辟未来具身智能大模型的崭新感知途径，使人工智能能够真正地“植根”于机器人的躯体之中。

研究团队坚信，要实现机器人真正的具身智能，必须实现软硬件的深度融合与紧密集成。鉴于当前机器人触觉功能的不足，团队当前的研究焦点集中于开发机器人触觉硬件接口及其相应的算法策略。

 （来源：Nature Sensors）

据研究团队透露，此次研究是他们在大范围触觉感知领域取得的成果之一。此外，实验室还在指尖、手掌等敏感部位的触觉感知技术上进行深入探索，并与业界保持着紧密的合作关系，以加速技术的更新迭代。申亚京表示：“我们期望与同行学者及工业合作伙伴携手并进，共同攻克机器人技术的种种挑战，尽早将研究成果应用于实际场景。”

目前，特斯拉的Optimus、Figure AI以及宇树科技等公司的人形机器人产品正不断更新迭代，推动着这一领域的热度攀升。然而，这些产品在运动和交互方面大多仍依赖于视觉感知，与人类相比存在明显差距。在涉及接触与交互的场合，它们普遍缺少全面的触觉功能。EmArm架构所倡导的感知与驱动系统的协同设计，以及软硬件的深度融合，在一定程度上弥补了人形机器人“无皮肤”的不足。

研究团队指出，未来的主要挑战或许在于对机器人硬件的全新定义。这意味着现有机器人可能需要进行底层设计的革新或优化，这无疑需要庞大的人力与财力投入。在具体的技术路线层面，EmArm的感知系统将占据机器人躯体的一部分空间。如何协调这部分空间与电机、线束、电子系统及计算单元之间的关系，无疑是一个必须解决的工程技术难题。

EmArm的成功展示了，唯有将感知、特征提取与运动控制整合成一体化的架构，机器人才能真正具备“身体”。这或许正是通往实现真正物理人工智能的关键：使机器能够在物理世界中，如同所有生物般，通过其身体去感知、适应并塑造现实。

 

为您发布产品，请点击“阅读原文”