機(jī)器人也會擁有觸覺分析能力

人類善于利用手指觸覺來感知物體的物理特性（包括質(zhì)量、重心、轉(zhuǎn)動慣量、表面摩擦等），從而完成高難度的控制任務(wù)。在不遠(yuǎn)的將來，機(jī)器人也會擁有觸覺分析能力。在剛剛結(jié)束的機(jī)器人頂會 IROS 2020 上，上海交大 & MIT 聯(lián)合項目 SwingBot 為我們展示了如何讓機(jī)器人通過觸覺傳感器來學(xué)習(xí)感知物體復(fù)雜的物理特性（tactile exploration），從而完成一個高難度的甩筆任務(wù)（in-hand object swing-up）。該工作也摘得此次大會的最佳論文獎項。

IROS2020 最佳論文獎項。來源 iros2020.org (http://iros2020.org/) 下圖為機(jī)器人觸覺分析的流程通過握著物體旋轉(zhuǎn)一定角度和抖動物體來感知物理特性，從而推斷出最佳的控制策略實現(xiàn)甩筆。

該項目通過對多種觸覺探索動作的信息融合，讓機(jī)器人端到端的去學(xué)習(xí)概括手中物體的物理特性，并依靠這個物理特征來實現(xiàn)高難度的手上控制任務(wù)（in-hand swing-up）。更多的詳細(xì)內(nèi)容可以訪問論文原文和項目主頁：

論文鏈接：http://gelsight.csail.mit.edu/swingbot/IROS2020_SwingBot.pdf

項目地址：http://gelsight.csail.mit.edu/swingbot/

高精度、低成本的觸覺傳感器 研究人員使用的是一款名為 GelSight 的機(jī)器人觸覺傳感器，該傳感器也發(fā)明于此 MIT 項目組（指導(dǎo)教授：Edward Adelson）。區(qū)別于傳統(tǒng)觸覺傳感器依賴于稀疏的電極陣列（基于電阻 / 電容 ），GelSight 是一個基于光學(xué)的觸覺傳感器，通過一個微型相機(jī)來拍攝接觸面的三維幾何形變，可以返回高精度的觸覺信息（見下圖是 GelSight 重建的奧利奧餅干表面）。 更值得一提的是，因為只需要一個低成本的微型攝像頭和一個樹莓派控制器，GelSight 的制作總成本只有 100 美金（700 元），遠(yuǎn)低于市面上的其他觸覺傳感器。

GelSight 觸覺信息效果圖。來源：[2] 在本篇工作中，研究人員將 GelSight 安裝在了機(jī)器人二爪夾具的一側(cè)，通過在傳感器上標(biāo)定靶點和重建三維信息，高密度的力學(xué)反饋可以以每秒60幀的速度實時傳輸出來。

基于多種觸覺探索動作的物理特性分析能力 人類可以通過多種觸覺探索動作（觸摸、甩、掂量）來概括手上物體的物理特性（重量、光滑程度、重心位置等）[1]，而且人類并不需要測量這些物理參數(shù)的精確數(shù)值，而是用自己的經(jīng)驗結(jié)合觸覺手感來實現(xiàn)對手中物體高難度的控制。 受這個觀察的啟發(fā)，該項目的研究人員首先提出了一個多觸覺探索的信息融合模型（Information fusion model for multiple tactile exploration actions），該模型的目的是整合不同的機(jī)器人觸覺探索動作信息到一個共同的物理特性特征空間（Physical embedding）中，從而實現(xiàn)對物體多種物理特性（質(zhì)量、重心位置、轉(zhuǎn)動慣量和摩擦力）的概括能力。

多觸覺探索動作的信息融合模型。來源：論文 研究人員為機(jī)器人設(shè)計了兩種基礎(chǔ)的探索動作：（1）緊握物體并旋轉(zhuǎn)一定角度（in-hand tilting）和（2）放松緊握狀態(tài)并抖動物體（in-hand shaking）。動作（1）的觸覺反饋信息會通過一個卷積神經(jīng)網(wǎng)絡(luò)（CNN）來輸出一個一維的特征向量；動作（2）的抖動因為是時序信息，會用一個循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）來處理獲得相應(yīng)的特征。這兩個特征信息通過拼接和一個由若干多層感知器（MLP）組成的融合模型進(jìn)行整合，得到一個低維的物理特征概括（physical feature embedding）。 區(qū)別于逐個測量每種不同的物理特性，這種信息整合模型的一大優(yōu)勢是可以根據(jù)任務(wù)來自主調(diào)節(jié)對不同物理信息的關(guān)注程度，因為很多任務(wù)是無法明確分析出是哪一種物理特性起到了主導(dǎo)作用，而使用該方法可以讓機(jī)器人自主地學(xué)習(xí)并選擇需要的物理信息。此外，這兩個觸覺探索動作加起來只需要 7 秒的時間，相比于用精密的儀器來逐個測量物體的質(zhì)量和摩擦力等，該方法的效率也有很大的提升，并且不需要額外的測量儀器的輔助，更接近人類的觸覺感知能力。 此外，為了讓機(jī)器人自主學(xué)習(xí)選擇最需要的物理信息，研究人員接著提出了一個控制預(yù)測模型，該模型通過輸入先前獲得的物理特征向量和機(jī)器人控制參數(shù)，來預(yù)測最終物體會被甩到的角度。在訓(xùn)練過程中，整個流程是用一個端到端（end-to-end）的訓(xùn)練算法來實現(xiàn)的。研究人員設(shè)計了一個機(jī)器人自動采集數(shù)據(jù)的系統(tǒng)，并且 3D 打印了可以隨意調(diào)節(jié)物理特性的模型來采集數(shù)據(jù)，具體如下兩個動圖所示：

可變物理特性的模板物體。

數(shù)據(jù)收集流程。 研究人員讓機(jī)器人自主采集了1350次甩筆的數(shù)據(jù)，其中包含了27個不同物理特性的物體。在測試的時候，研究人員額外選擇了6個訓(xùn)練數(shù)據(jù)中不包含（unseen）的新物體，機(jī)器人需要通過觸覺探索模型來確定未知物體的物理特性，并根據(jù)任務(wù)要求的最終甩到的角度，來選擇一套成功率最高的控制參數(shù)。 實驗成果 研究人員首先對比了使用和不使用多觸覺探索融合算法對預(yù)測控制模型準(zhǔn)確率的影響（數(shù)值越低，準(zhǔn)確度越高），其中融合算法（Comb.）在已知和未知物體上的預(yù)測誤差率都遠(yuǎn)低于不使用觸覺信息（None）。此外融合算法（Comb.）的表現(xiàn)也比單一使用一種觸覺探索動作（Tilt.: tilting-only, Shak.:shaking-only）的算法效果好。

以下是機(jī)器人在測試過程中，通過使用多觸覺探索融合算法來實現(xiàn)對未知物體（unseen objects）的物理特性探索和上甩效果（swing-up）。第一個任務(wù)要求將物體上甩至相對于傳感器 90 度的角度位置：

第二個任務(wù)要求將物體上甩至相對于傳感器 180 度的位置：

研究人員緊接著探索融合算法學(xué)習(xí)到的物理特征空間到底包含哪些信息。他們用一組額外的多層感知器來回歸（regression）每一個物理特性的具體參數(shù)，并計算誤差百分比（數(shù)值越低，準(zhǔn)確度越高）。 如下表所示，可以發(fā)現(xiàn)第一個旋轉(zhuǎn)動作（Tilting）對物體的質(zhì)量（Mass）、重心（Center of mass）和轉(zhuǎn)動慣量（Moment of inertia）的信息捕捉更準(zhǔn)確。而第二個搖晃動作（Shaking）對物體接觸部分的摩擦力（Friction）的把握更準(zhǔn)。將兩種探索動作融合的算法（Combined）取得了最好的回歸準(zhǔn)確率。

最后研究人員進(jìn)一步探索所學(xué)習(xí)到的物理特征空間是如何能夠做到對未知物體依然適用的。他們可視化了6個未知物體的數(shù)據(jù)分布并展示在了下圖 (b) 中，其中 x 軸表示控制參數(shù)，y 軸表示最終上甩的角度。在圖 (a) 中，研究人員用 PCA 提取了每個采樣中網(wǎng)絡(luò)輸出的物理特征向量的主成分（2 維）并可視化在這個二維點圖中。觀察可以發(fā)現(xiàn)，如果兩個物體的控制策略相近（例如物體 5 和物體 6），他們的物理特征間距也會越近，而兩個物體的控制策略相差較大（例如物體 1 和物體 4），則在特征空間上的間距也會更大。

物理特征可視化。來源：論文 作者介紹

本項目的共同第一作者是：

王辰（Chen Wang）: 本科畢業(yè)于上海交通大學(xué)，師從盧策吾教授。他即將前往 Stanford 攻讀計算機(jī)博士學(xué)位，該項目是其在 MIT 暑研期間完成的。個人主頁：http://www.chenwangjeremy.net

王少雄（Shaoxiong Wang）：MIT CSAIL 博士生四年級，師從 Prof. Edward Adelson（此項目指導(dǎo)教授），本科畢業(yè)于清華大學(xué)。個人主頁：http://shaoxiongwang.com/

責(zé)任編輯：lq