发布于：2025年5月8日 /更新，发表于：2025年5月9日 - 作者： Konrad Wolfenstein
触觉机器人：带有触摸感的机器人：新一代的瓦肯人和共同研究触觉对象识别图像：xpert.digital
无特殊传感器的对象识别的麻省理工学院系统和亚马逊的瓦肯机器人
机器的触觉感知：对象识别中的新标准
在机器人技术领域，触觉传感器和识别系统的开发标志着决定性的进展，这首先使机器不仅可以看到它们的周围环境，而且可以“感觉”。亚马逊的新Vulcan机器人和MIL的创新对象检测系统为这一开发体现了例证。两种技术都大大扩展了机器人的可能用途，并启用了以前由具有自然触觉感知的人管理的任务。
适合：
来自亚马逊的Vulcan机器人：触觉机器人手柄区域的突破
功能和技术基础
亚马逊开发的瓦肯机器人代表了物理人工智能领域的重大技术进步。亚马逊将开发本身描述为“机器人技术和物理AI的突破”。该系统由两个主要组成部分组成：“ stow”要存放和“选择”以删除对象。其出色的质量是感知周围环境触觉的能力。
Vulcans触觉技巧的技术基础形成了特殊的电动扭力传感器，看起来像曲棍球冰球，并使机器人能够“感觉到”他可以抓住物体而不会损坏物体的力量。亚马逊机器人AI的主任亚当·帕内斯（Adam Parness）强调了这种方法的独特性：“瓦肯不是我们的第一个可以移动对象的机器人。但是，凭借他的触摸感 - 了解他了解他何时以及如何与物体接触的能力 - 他为优化工作过程和设施打开了新的可能性，以实现新的可能性”。
为了在架子上分类物体，Vulcan使用的工具类似于粘在头发平滑铁上的标尺。借助这个“统治者”，他将其他物体推开，为新文章腾出空间。握住的手臂根据物体的大小和形状来适应其手柄厚度，而集成的输送带将物体推入容器中。为了取出对象，Vulcan将吸入抓手与相机系统结合使用。
当前的应用和性能领域
Vulcan机器人目前正在亚马逊物流中心进行测试：在德国汉堡附近的温森和华盛顿州的斯波坎。在华盛顿，六个Stow-Vulcan机器人活跃，已经成功存储了50万篇文章。在温森（Winsen）工作的两名挑选vulcans已经处理了50,000个订单。
该系统的性能非常出色：Vulcan目前可以处理亚马逊提供的数百万个产品中的75％。机器人可以操纵的最小物体大小对应于口红或USB棒。正如Parness所解释的那样，机器人有能力实时识别对象的能力，因为他“不可能记住项目的所有细节”。
未来的计划和集成到物流链中
亚马逊计划在未来几年中显着增加瓦肯机器人的数量。今年，温森（Winsen）的瓦尔坎人数量将增加到60，华盛顿增加到50件。从长远来看，计划在欧洲和美国的物流中心中使用机器人。
亚马逊策略的一个重要方面是人与机器的共存。该公司的“总体规划”规定了人和机器并行并肩工作。最重要的是，机器人应该接管人类没有梯子或他不得不弯曲太多的货架上的产品。这应该导致更高的总体效率，同时减少人类员工的工作量。
通过处理：无特殊传感器的智能“感觉”的麻省理工学院系统
创新的对象识别方法
与亚马逊的瓦肯人同时，来自亚马逊机器人技术和不列颠哥伦比亚大学的麻省理工学院研究人员开发了一种系统，该系统遵循一种不同的方法来赋予机器人触觉技能。该技术使机器人可以通过简单地捡起并轻松摇动对象的物体属性（例如重量，柔软度或内容）的特性，就像处理未知对象时的人一样。
关于这种方法的特殊之处在于，不需要特殊的触觉传感器。取而代之的是，系统使用大多数机器人中存在的关节代码 - 传感器，这些传感器可以捕获运动过程中关节的旋转位置和速度。 MIT-PostDoc，研究工作的主要作者Peter Yichen Chen解释了该项目背后的愿景：“我的梦想是将机器人送入世界，以便他们触摸和移动事物并独立地找到与之互动的属性”。
技术功能和仿真模型
MIT系统的核心由两个模拟模型组成：一个模拟机器人及其运动的模拟模型，另一个模拟模型，一个复制对象的动力学。另一个MIT-PostDoc Chao Liu强调了这些数字双胞胎的重要性：“现实世界中的确切数字复制品对于我们方法的成功非常重要”。
该系统使用一种称为“不同的模拟”的技术，该技术使该算法能够预测物体属性（例如质量或柔软度）如何影响机器人接头的终端位置。一旦模拟与机器人的实际运动匹配，系统就确定了对象的正确属性。
该方法的决定性优势是其效率：算法可以在几秒钟内执行计算，并且仅需要机器人的实际移动轨迹才能起作用。这使得该系统在实际应用中特别廉价且实用。
应用潜力和优势
开发的技术在摄像机效率较低的应用中可能特别有用，例如在黑暗地下室中对物体进行排序或地震后部分倒塌的建筑物中的毁灭房间时。
由于该算法不需要广泛的数据集来进行培训，例如某些依赖计算机视觉或外部传感器的方法，因此如果面对未知环境或新对象，则不太容易受到错误的影响。这使系统特别强大且通用。
机器人技术中触觉传感器的更广泛的研究格局
基本挑战和当前解决方案
具有触摸感的机器人的开发提出了基本挑战的研究。尽管人类的触觉系统非常复杂且细微差别，但人工系统必须通过技术手段来重现这种系统。肯·戈德堡（Ken Goldberg）是加州大学伯克利分校的机器人，他强调了这项任务的复杂性：“人类的触摸感非常细致且复杂，具有广泛的动态区域。尽管机器人迅速取得了进步，但我会惊讶地看到未来五到十年中人为水平的触觉传感器。”
尽管存在这些挑战，但研究仍取得了重大进展。例如，Fraunhofer IFF开发了触觉传感器系统，这些系统可以根据人的手的模型来使反应性掌握，并且是处理脆弱或弯曲板的理想选择。传感器数据用于调整抓地力，组件和位置识别以及过程监视。
触觉机器人技术领域的创新研究项目
除了亚马逊和麻省理工学院的发展外，触觉机器人传感器领域还有其他重要的研究项目：
Max Planck智能系统研究所开发了一种称为Insight的触觉传感器，该传感器具有高灵敏度。该研究所的研究小组负责人乔治·马蒂乌斯（Georg Martius）强调了传感器的性能：“我们的传感器表现出色，这要归功于外壳的创新机械设计，内部量身定制的成像系统，自动数据获取，并且得益于最新的深度学习方法”。传感器是如此敏感，甚至可以感觉到他自己的方向与重力有关。
另一个有趣的项目是densepehysnet，该系统积极执行一系列动态相互作用（例如滑行和碰撞），并使用有关其视觉观测值的深层预测模型来学习密度，像素化表示，反映物理性能观察到的对象。模拟和真实环境中的实验表明，学到的表示形式包含丰富的物理信息，可直接用于解码物理对象属性，例如摩擦和质量。
适合：
触觉机器人系统的未来前景
多模式传感器系统的集成
触觉机器人技术的未来在于各种感觉方式的整合。这项工作的研究人员已经教授人工智能，以结合诸如观察和感动之类的感官。通过了解这些不同的感官方式如何共同起作用，机器人可以对周围环境产生更全面的理解。
麻省理工学院团队已经计划将您的方法识别方法与计算机视觉相结合，以创建更有效的多模式传感器。陈解释说：“这项工作并没有试图替代计算机视觉。两种方法都有其优点和缺点。但是在这里我们已经证明我们已经可以在没有相机的情况下找到其中的一些属性。”
扩展的应用和未来发展领域
麻省理工学院团队的研究人员还希望使用更复杂的机器人系统（例如软机器人）和更复杂的物体（包括Slosh流体或粒状媒体（例如沙））进行研究。从长远来看，您希望使用这项技术来改进机器人学习，以使未来的机器人能够快速发展新的操纵技巧并适应环境的变化。
亚马逊计划在未来几年内进一步开发Vulcan技术，并将其提高到更大范围。 Vulcan与该公司750,000个移动机器人的集成表明，一个全面的自动化概念可以从根本上改变物流行业。
触觉学习：传感器给机器人机智时
亚马逊的瓦肯河流和对象识别的同伴体系的例证机器人的开发标志着机器人技术中的决定性转折点。这些技术使机器人能够承担以前为人们保留的任务，因为它们需要灵敏度和触觉理解。
Amazon对专用传感器的关注以及使用现有传感器来触觉结论的共同概念表达了该领域研究方向的多样性。两种方法都有其特定的优势和应用领域。
随着机器人系统中战术技能的逐步整合，在物流，生产，医疗保健和许多其他领域的复杂任务自动化的新机会开放。机器人的能力不仅可以看到周围的环境，而且“感觉到”的能力使我们更加接近一个未来的一步，在该未来中，机器人和人们可以越来越紧密，更直观。
适合：
