香港科技大學(xué)（HKUST）：用小數(shù)據(jù)集實現(xiàn)大尺度觸覺傳感，有望應(yīng)用于以手為中心的健康、運動、機器人和虛

近日，由香港科技大學(xué)（HKUST）電子與計算機工程學(xué)系申亞京教授領(lǐng)導(dǎo)的研究團隊，提出了一種基于數(shù)字通道的觸覺交互系統(tǒng)，可以實時測量來自手不同部位的分布力，有望在醫(yī)學(xué)評估、體育訓(xùn)練、機器人和虛擬現(xiàn)實（VR）等多個領(lǐng)域?qū)崿F(xiàn)應(yīng)用。

經(jīng)過數(shù)百萬年的生物進化，手已成為人類意識最直接的延伸之一。我們?nèi)粘Ｊ褂玫脑S多交互設(shè)備，如手柄、鼠標、鍵盤和觸摸板，都是為了方便手的使用而設(shè)計。然而，盡管手在我們的生活中起著至關(guān)重要的作用，但我們對手產(chǎn)生的力知之甚少。例如，抓握時每跟手指產(chǎn)生的力有何不同？手掌的力如何分布？這一知識空白極大地阻礙了包括精準醫(yī)療、體育訓(xùn)練、機器人技術(shù)、虛擬現(xiàn)實操作等多個領(lǐng)域的發(fā)展。

圖1 基于液壓、氣壓和機械彈簧原理的握力計 近幾個世紀，基于液壓、氣壓和機械彈簧原理的握力計是評估人手施加的力的常用方法，但它們只能提供最大力的信息，缺乏空間和時間的細節(jié)分布（圖1）。柔性觸覺仿生皮膚的發(fā)展為測量力的分布提供了新的機會，按其原理，可大致分為兩類：基于電信號的陣列式傳感（壓阻式、電容式、壓電、摩擦電等）和基于視覺的傳感技術(shù)（Gelsight、Tactip、TacLINK、Insight等）。基于電信號的傳感器在單點力測量時精度非常高，但存在大面積復(fù)雜接觸變形時引起的串?dāng)_問題，出現(xiàn)精度下降。基于視覺的方法可以避免電信號的串?dāng)_問題，提供更高的魯棒性，但其量程范圍通常較?。ㄍǔ?10N），且同樣面臨多點大面積接觸時精度不足的問題。此外，其標定常需要大量數(shù)據(jù)集（通常>1GB）。簡而言之，現(xiàn)有的柔性觸覺傳感方式獲得的信息，本質(zhì)上是來自多個未知負載源耦合的復(fù)雜模擬信號，這使得分布力的解碼非常復(fù)雜，特別是對于多點大面積復(fù)雜接觸的力分布，如手部的握力。

在最近的一項研究中，香港科技大學(xué)申亞京團隊通過引入“數(shù)字通道”的概念，在分布力的接觸位置上生成可辯別的時序數(shù)字信號，解決了多點大面積復(fù)雜接觸問題，并提出了一種以手為中心的觸覺交互系統(tǒng)（PhyTac，圖2與圖3）。PhyTac由帶有標記點陣列的仿生外殼、偏振線性光源和運動捕捉攝像頭組成。當(dāng)PhyTac受到手部施加的力時，其外殼會發(fā)生變形，同時攝像頭會捕捉到每個標記點的運動。隨后，利用所有標記點的位移作為輸入，物理模型增強神經(jīng)網(wǎng)絡(luò)（FEM-NN）能夠準確建立標記點位移與手部力分布之間的映射關(guān)系。因此，系統(tǒng)能夠重建手部豐富的觸覺力學(xué)信息，與現(xiàn)有的設(shè)備相比增加了至少兩個數(shù)量級的信息量，從而在新一代的人機交互中可獲得廣泛的應(yīng)用（圖4）。

圖2 兩個尺寸的PhyTac

圖3 A. PhyTac的整體結(jié)構(gòu)和組件。B. 受TrkB+啟發(fā)的數(shù)字通道。C. 受螺旋女王蘆薈啟發(fā)的螺旋式標記點排列方法

圖4 PhyTac的工作機制及潛在的廣泛應(yīng)用。 “數(shù)字通道”概念的引入，可以準確識別復(fù)雜接觸的位置，從而準確解碼大面積接觸問題中的分布力。當(dāng)標記點的閾值開關(guān)被激活時，它們被表示為邏輯“1”，而其他標記被表示為邏輯“0”，從而形成一個代表關(guān)鍵力空間分布的數(shù)字通道。此數(shù)字通道不僅能過濾掉來自周圍刺激的不必要干擾，還能以較少的計算資源提供具有物理意義的高質(zhì)量數(shù)據(jù)（圖5）。通過將物理模型融入人工智能模型訓(xùn)練，數(shù)據(jù)集的大小可顯著減少到僅45 KB，遠小于傳統(tǒng)方法（通常需要超過1 GB的數(shù)據(jù)集）。因此，即使使用極小的數(shù)據(jù)集，該設(shè)備也能從多重耦合的模擬信號中準確識別出高達368個區(qū)域的多點刺激，對于力的重建精度也高達97.7%。

圖5 引入數(shù)字通道后，分布力的位置與幅度均可精確重建。

“針對大規(guī)模分布式觸覺傳感技術(shù)，‘?dāng)?shù)字通道’的概念能夠為解碼力的位置提供一個新的維度，從而僅通過極小的數(shù)據(jù)集就可實現(xiàn)高精度和高魯棒性?！鄙杲淌诮忉屃诉@項研究的背景。

自然界中，螺旋女王蘆薈的旋轉(zhuǎn)葉序能夠避免葉子互相遮擋，從而來最大化得捕獲陽光（圖3C）。受此啟發(fā)，研究者將標記點以類似的螺旋結(jié)構(gòu)排列以優(yōu)化光路，使得PhyTac避免了由標記點互相遮擋引起的精度下降，并顯著提高了標記點的分布密度，這最終提高了力的傳感范圍和分辨率。

圖6展示了物理模型增強神經(jīng)網(wǎng)絡(luò)（FEM-NN）的原理及其在小數(shù)據(jù)集上的優(yōu)勢和高精度。FEM-NN的輸入是由數(shù)字通道得到的關(guān)鍵節(jié)點(key nodesof interest, KOI)和位移矩陣,輸出為增廣剛度矩陣，其僅需要一個很小的數(shù)據(jù)集(45KB)。引入的物理模型建立了一個力學(xué)框架（FEM），將標記位移和力大小聯(lián)系起來，并提供了包含PhyTac材料、幾何和力學(xué)性能的寶貴先驗知識。FEM-NN模型既采用了此力學(xué)先驗知識，并得益于神經(jīng)網(wǎng)絡(luò)的強大擬合能力，有效地彌補了有限元模型與現(xiàn)實世界模型之間的物理缺失。結(jié)果表明，F(xiàn)EM-NN在整個量程范圍（0.5 ~ 25 N）內(nèi)均保持了較高的精度，力的平均絕對誤差為0.11 N，平均相對誤差僅為2.3%，優(yōu)于傳統(tǒng)基于純物理模型的方法和基于卷積神經(jīng)網(wǎng)絡(luò)的方法（圖6C）。

PhyTac可直接應(yīng)用于握力分布的測量，這將有益于多種疾病（中風(fēng)、類風(fēng)濕性關(guān)節(jié)炎等）的評估和治療。與其他潛在的解決方案（如觸覺手套）相比，此方法更加魯棒、易用和無束縛。如視頻S2所示，它可精確地識別不同握持姿勢下握力分布的動態(tài)變化。

圖6物理模型增強神經(jīng)網(wǎng)絡(luò)（FEM-NN）的原理


研究者進一步將PhyTac安裝在網(wǎng)球拍上，并測量了擊打網(wǎng)球時手部的力量分布（如視頻S3所示）?！拔覀儼l(fā)現(xiàn)正手擊球時，力量主要集中在食指、中指和無名指上。相比之下，反手擊球時的力量分布則有所不同，其中拇指、無名指和小指貢獻了更多的力量?！北狙芯康牡谝蛔髡咛埔环逭f道。

圖7 正反手擊球時力分布的對比

PhyTac還能通過將現(xiàn)實世界中的分布力投射到虛擬世界中，實現(xiàn)精確的虛擬現(xiàn)實（VR）操控。使用者可以用拇指和食指小心翼翼地托住一個雞蛋而不將其捏碎，或者當(dāng)總力量超過一定閾值時用三根手指捏碎它。同樣地，作者還展示了用握力捏碎花瓶，以及如何用不同的分布力精確操控軟球的變形（圖8和視頻S4）?！按送猓靡嬗赑hyTac在三維空間中的靈活性，它可以作為遙控操作界面，控制機器人手拿起、握住并傳遞一個薄塑料杯，而不會將其捏壞。”唐一峰補充道。詳細視頻于視頻S5中展示。

圖8 在虛擬世界中精確操控雞蛋、花瓶和軟球（上圖）。遙控機器人手抓取、握住和傳遞物體（下圖）。

對于下一步的研究工作，團隊計劃將“數(shù)字通道”概念應(yīng)用于其他幾何形狀的視觸覺傳感器上。他們認為，當(dāng)克服干擾問題時，其他類型的分布式軟觸覺傳感器，如電阻式和電容式傳感器，也將從這項研究中獲益。

“我們的目標是為物理世界、虛擬世界和機器人之間建立智能交互的橋梁。PhyTac是實現(xiàn)這一目標的重要一步。它加深了我們對手部動作的理解，我們期望它能成為一種以手為中心的媒介，在醫(yī)學(xué)評估、體育訓(xùn)練、機器人和虛擬現(xiàn)實（VR）等多個領(lǐng)域?qū)崿F(xiàn)應(yīng)用?！痹擁椖康呢撠?zé)人申亞京教授說道。

這項工作的其他共同作者包括來自香港科技大學(xué)的博士后研究員李根博士、張鐵山博士以及研究助理教授楊雄博士，來自香港城市大學(xué)的任豪和郭棟，以及來自南開大學(xué)的楊柳教授。此研究成果已發(fā)表在《科學(xué)進展》（Science Advances）期刊上，論文標題為Digital Channel-enabled Distributed Force Decoding via Small Datasets for Hand-centric Interactions.

來源：高分子科學(xué)前沿