如今，人工智能逐渐与声音、视觉等人类感官融合，使人们之间的交流更便捷。但是，将人工智能与人类的触觉融合仍具有挑战性。

为解决此项难题，Meta AI 联合卡内基梅隆大学成功开发出一款多功能、可更换、持久耐用的触感皮肤，并将其命名为 ReSkin。它可以在应用过程中，将机器的触觉传感精度与灵敏度快速地提升。

相关论文以《多功能，可更换，持久的触感皮肤》（ReSkin：versatile，replaceable，lasting tactile skins）为题发表在 Proceedings of Machine Learning Research 上[1]。

Mata AI 客座研究员劳纳克·布罕兰（Raunaq Bhirangi），匹兹堡元人工智能研究中心博士后兼科学家苔丝·赫勒布雷克斯（Tess Hellebrekers），卡内基梅隆大学机器人研究所教授梅尔·马杰迪（Carmel Majidi），卡内基梅隆大学机器人研究所副教授阿比纳夫·古普塔（Abhinav Gupta）为论文作者。

论文中提到，ReSkin 依靠机器学习技术和磁传感技术，具有廉价、多功能、耐用和可更换的优势。具体来讲，ReSkin 生产成本低廉，仅有 2-3 毫米厚，可与机器模型交互 5 万多次。此外，它还具有高时空分辨率，精度高达百分之九十。

图 | ReSkin 大小如硬币，易于制造（来源：PMLR）

清薄、高精度的规格优势使它适用于各种的机器，如机器人手、触觉手套、手臂袖子等。针对具体过程，ReSkin 还可以为机器的滑动、投掷、捕捉和鼓掌等操作提供触觉信号（高频）。

当 Reskin 被应用于不同的产品时，会产生大量的相关数据，这可以助力研究人员提升其 AI 系统中的触觉感知能力。

图 | 应用 ReSkin 的传感器在不同磁场下的频率变化（来源：Proceedings of Machine Learning Research）

举例来说，由于 ReSkin 是一种可以改变形状的弹性薄片、且里面含有带有磁性的微粒。当它的形状发生变化时，会释放出不同的磁性信号。研究者可以用磁强计测量这些变化，并使用数据驱动技术将测量到的数据转化为接触位置和施力大小等信息。

目前，很多的触觉感知实验都局限在一个传感器层面。这是因为，ReSkin每更换一次，机器都需要建立新的模型，降低了传输效率。

而且，在不同的场景中，每个传感器都需要用初始校准程序进行彻底的校准，与其单独响应匹配。这意味着，校准程序也必须适应这些变化。此外，随着时间的推移，像 ReSkin 这样的软皮肤会变形，需要被更换，很难推广应用于不同的交互场景。

为简化 Reskin 替换流程，研究者对传感器进行了三个方面的创新。

第一，研究者将传感器内部电路从被动接口分离出来，与传统测量电子设备之间不用进行电气连接。这项操作有效提升了传感器灵敏度，并且在更换磨损的 ReSkin 时就像贴贴纸那样操作简单。

第二，研究者用几个传感器的输出数据将模型映射加以提升。通过该项操作，研究者可以利用更高的数据多样性训练模型。这有助于传感器输出更有效和更一般化的数据。

第三，受益于机器的自监督学习模式，研究人员不必为每个新传感器收集校准数据，而是使用少量未标记数据自动微调传感器。

据了解，现有的基于相机的触觉传感器需要表面和相机之间具有极小的接触距离，这导致机器更加笨重。相比之下，ReSkin 可以覆盖在人类和机器人的手和手臂上，这便于研究者开发出多功能、可扩展和廉价的触感模块。而这是现有人工智能触觉系统都无法实现的。

为突出 ReSkin 的实用价值，并展示它能够推进人工智能发展的独特魅力，研究者将其应用于不同的机器场景之中。从抓取微小物体到测量狗脚施加的力，从建造宽覆盖的连续 ReSkin 到测量野外接触力，ReSkin 都展示出它极高的灵活性与实用性。

虽然研究人员已展示出 ReSkin 在接触定位和力预测方面的技术优势，但是，ReSkin 未来仍然具有巨大的开发潜力。

本文的实验是基于机器的单点接触开展，科学家的目标是进一步研究多点接触下 ReSkin 的应用情况。另一个有趣的未来发展方向是，具体分析外部磁场和金属物体对 ReSkin 感知能力的影响。

此外，基于 ReSkin 具有 400Hz 的高时间分辨率，研究人员可以利用这一优势，使用动态时间序列数据打造出更优质的机器模型。总之，科学家相信，ReSkin 将促进机器的接触感知能力，并能够将其应用于实际。

参考资料：

1.https://arxiv.org/abs/2111.00071

2.https://ai.facebook.com/blog/reskin-a-versatile-replaceable-low-cost-skin-for-ai-research-on-tactile-perception/

特别声明：本文为转载/投稿，仅代表该原作者观点。NESTIA仅提供信息发布平台。