点击上方蓝色字体，关注我们
麻省理工学院计算机科学与人工智能实验室（MIT-CSAIL）的研究人员近日开发了一种低成本的传感器手套，旨在使人工智能能够“弄清楚”人类如何通过触摸识别物体。
图 | 手套掌心，黑色的传感装置连接到了黄色针织手套上。
它被称为可伸缩的TActile手套（STAG），使用550个微小的压力传感器来生成可用于创建改进的机械手的模式。
人类非常善于通过触摸来弄清楚物体是什么（例如在黑暗中摸索眼镜或手机）。
图 | 抓握万用表来估计重量（3倍播放速度）。来源：研究人员。
工程师希望机器人也能效仿这种能力。这样做的一种方法是收集尽可能多的关于人类实际上如何通过触摸识别的信息。原因在于，如果有足够大的数据库，那么机器学习可以用来进行分析，不仅可以推断人手如何识别某物，还可以估计其重量 - 机器人和假肢难以做到这点。
图 | 手套有548个传感器覆盖，连接到定制的针织手套。
麻省理工学院正在通过配备550个压力传感器的低成本针织手套收集这些数据。手套连接到计算机，计算机收集数据，压力测量结果被转换为视频“触觉地图”并被输入卷积神经网络（CNN）。该网络能对图像进行分类，找出特定的压力模式并将其与特定的物体相匹配。
图 | b: 548个传感器的分布，压阻式传感器阵列通过层压简单材料制造。c: 每个传感器元件通过显示电阻的变化来响应压力。
该团队从26个常见物体（如饮料罐、剪刀、网球、勺子、钢笔和马克杯）中收集了135,000个视频帧。然后，神经网络将半随机帧与特定的夹点相匹配，直到建立了一个物体的完整图片 - 这与人们通过在手中滚动物体来识别物体的方式非常相似。通过使用半随机图像，可以给网络提供相关的图像集群，因此不会在无关数据上浪费时间。
使用数据集，系统可以高达76％的准确度预测对象的身份。该系统还可以预测大约60克内的大多数物体的正确重量。