▲“人工指尖”正在触摸球类玩具
在这些技术中，有利用“人工神经元”对机器人进行反复训练的成果，也有“人造指尖”这样新元件加持下的全新突破。这些技术的真正铺开应用，将会给工业制造、医疗以及劳动力短缺等问题带来新的解决方案。
一、3D打印“人造指尖”，赋予机器人比肩真人的触觉
接触是人类感知世界的最直接方式，“触觉”是人体神经系统中的重要组成部分，它在人类之间的情感互动中起着重要作用。皮肤和皮肤下覆盖的神经则是将“感觉”传达给大脑的桥梁。触觉帮助人类分辨物体，最后大脑控制双手，选择拿捏它们的力道。但是对于金属和电路组成的机器人来说，如何才能在它们身上复现人类的“触觉”呢？
英国布里斯托大学的研究人员给出了解决方案——TacTip（人造指尖），也称“光触觉传感器”。伦敦大学研究“触摸行为”的Mandayam Srinivasan称TacTip为：“自然触摸和人工触摸的近距离接触，这是改进机器人‘触摸方案’的必要步骤。”
▲装备了TacTip的机器人成功拿起千纸鹤
TacTip原型机的诞生最早可以追溯到2009年，当时布里斯托大学的研究人员以人类皮肤为灵感，手工组装出了第一个“人造指尖”。但是受制于当时的技术，第一个“人造指尖”并不像真人手指一般纤细，它足足有罐装汽水一般大小。而后随着3D打印技术的飞速发展，终于在2018年，研发团队依托于3D打印技术，将“人造指尖”的体积压缩到了成人大脚趾的大小。
同时得益于3D打印技术能够为“人造指尖”创造类似于人类皮肤的多层结构，研发团队近期已经将“人工神经网络”集成到了“人造指尖”中。至此，“完全体”的TacTip正式落地。
长期以来，工程师们一直试图让机器人像人一样灵巧，配备“人工神经网络”纵然是解决方案之一，但是来自伦敦大学的触摸研究员Mandayam Srinivasan却表示：“目前机器人的触摸结果反馈仍然远远低于人类。”不过TacTip的研发团队似乎找出了更为理想的解决方案，那就是“人类触觉”和“机器反应”的相通点——信号。
当人类的指尖皮肤与物体接触时，遍布皮肤的神经末梢通过突触的变形向大脑传递“摸到东西”的指令，之后神经会向大脑发送“快和慢”两种信号，“快速”信号来帮助我们避免物品掉落，“滞后”的信号则用来传达物体的形状。相信大家已经快要看出个大概了，触觉反馈到大脑是以神经信号的方式，指令反馈到机器人是以数字信号的方式，两者的形式都是“信号”，如果能精确的用数字信号模拟神经信号传输给机器人，那么或许就能让机器人拥有比肩真人的触觉。TacTip的原理正式如此。
首先为了能够让信号模拟的“精确”，研发团队为TacTip制作了像人类皮肤一样的“橡胶表层”，在“橡胶表层”之下安装了一套类似于人类神经突触的针状凸起阵列，这些凸起阵列模拟了人类皮肤的中间表皮脊。组成这些阵列的“触角”坚韧又富有弹性，当TacTip开始进行“触摸”动作时，接触到物体表面的阵列会开始弯曲，通过弯曲的速度来产生人类触觉中的“快信号”，避免TacTip拿不稳物品。
▲TacTip的工作原理
其次，在这套“阵列”的下方，TacTip的研发团队还为其安装了一个摄像头，用来监测“凸起阵列”的弯曲程度，这些摄像头记录下的“弯曲程度”会转化为人类触觉中的“慢信号”，来让TacTip来判断出它“拿到了什么东西”。
这套原理被来自芝加哥大学，研究触摸神经元基础的神经科学家Sliman Bensmaia所认可，他认为：人类多数的触觉都是源于皮肤力学，TacTip的结构和方法恰好符合这一规律。
当TacTip正式完成之后，研发团队中来自布里斯托尔大学的工程师Nathan Lepora及其同事开始对TacTip进行了首次测试，触摸得物品为“灯芯绒状材料”，因为这种材料的表面纹理错落有致、触感多变，同时这次测试，将会以真人触觉的神经元信号为参考样本来评判出最后的结果。
令人欣喜的是，TacTip的测试首秀结果非常出色，根据其研发团队在4月5日于《皇家学会杂志:界面》（Journal of the Royal Society Interface）上发布的结果，TacTip能够和真人一样精确地分辨出“灯芯绒状材料”的凸起变化，以及纹理之间的缝隙，其输出得神经元信号和真人接触“灯芯绒状材料”时输出得神经元信号高度匹配。
▲TacTip反馈触摸神经元信息原理图
不过TacTip的不足之处也随之表现了出来——它并不如真人的指尖皮肤那样敏感。简单来说，人类的指尖皮肤可以感觉到类似铅笔芯宽窄的缝隙，但是想要被TacTip“触摸”到，需要将这种间隙提高两倍。研发工程师Nathan Lepora认为，只要团队能够开发出更薄，集成更多“凸起阵列”的橡胶表层，随着“凸起阵列”密度地增加，TacTip的灵敏度将会进一步提高。
于是在第二次测试开始前，研发团队不仅为TacTip增添了更多的“凸起阵列”，同时在之前的结构基础上新增了麦克风。麦克风的加入是为了用于收集“凸起阵列”在接触到物体表面时，由于摩擦而产生的声音信息，以此来模拟人类深层皮肤中另一组感知“振动”的神经末梢，这让TacTip拥有了和人类一样能够感受物体表面粗糙程度的能力。
“增强版”的TacTip就这样迎来了“增强版”的第二次测试，在这次测试中，测试人员加大了难度，他们尝试让TacTip分辨13种不同的纺织面料。当然最后的结果依然没有令人失望，在摄像头和麦克风的双重加持下，TacTip输出得神经元信号依然比肩真人触摸时输出得神经元信号结果。
TacTip的表现，令科奇大学从事可穿戴传感器工作的机械工程师Levent Beker发出了“机械手终于可以感人类手指所感”的赞叹。此前大力支持TacTip原理的Bensmaia在看到实际的测试结果后更是对其赞不绝口，他觉得，迄今为止没有其他人采取过像TacTip一样有趣的方式来让机器人获得“触感”，这非常酷。同时Bensmaia认为，可变形的TacTip可以直接套在机器人的机械手指或者脚趾上，帮助机器人检测、拾取和操纵物体。
针对这样的设想，TacTip研发团队的Leporar表示：“确实，如今的‘机器手’必须依靠机械臂和精确的编程才能完成工作，它们很难抓住细小而坚硬的物品，例如牙刷和钢笔。而TacTip可以不依靠编程，就能让机器人或者机械假肢处理各种形状和大小的物体。”
同时针对未来TacTip的体积，Leporar也表示，随着3D打印技术的推进，以及摄像头和麦克风元器件体积的缩小，TacTip也会进一步变得小巧精致，更加接近“人类指尖”的面积，同时更小巧的体积能让TacTip检测到更加精细的纹理。
面对Lepora的自信，Bensmaia却持保守意见，他觉得归根到底，TacTip模拟出的触觉神经信号和真人指尖的信号并不完全相同，因为真实皮肤的信号反馈更强烈。“它只是无限接近于真实的皮肤。”Bensmaia认为。并且对于未来TacTip能变得“有多小”？他也表示难以预计。
但不管怎么说，TacTip的成功是令人欣喜的，可以想象，它不仅能让机器人拥有“触觉”，为它们带来主动感知和分辨周遭物体的能力，同时还令机器人摆脱了固定编程指令的束缚，赋予它们主动去更改相应动作（例如抓取事物力度）的能力，让机器人本身的动作更加“细腻”。
应用在机械假肢领域，TacTip可以复现“指尖的触感”，重新打通大脑和神经末梢的信息传递通道，令残疾人重新获得“完整的”触摸事物的能力。康奈尔大学的材料科学家罗伯特·谢泼德表示，从根本上讲，TacTip这项研究有助于学者们弄清楚“触摸”在人类神经中的工作原理，他认为TacTip的创作团队已经基本认清了神经末梢向大脑反馈“触感”的原理思路，所以能够让装备了TacTip的起重机“轻轻”地拿起纸飞机而不破坏它。对于其他人来说，TacTip是值得学习和了解的存在。
二、帮人穿衣，代剥香蕉，动作越小越显细腻
和“人工指尖”一同释出的还有“机器人成功辅助医疗人体模型穿衣”，与“日本机器人可以剥出完整香蕉”的相关技术成果。
“机器人成功辅助医疗人体模型穿衣”的成果由Fan Zhang和Yiannis Demiris联手发布在《science》网站上。他们通过在医疗人体模型上进行实验，成功让机器人完成了“从衣架上取下衣服”，到“在病床上找到病人”，最后“展开衣服、抬起人体模型的手臂最终为模型完成穿衣”的一整套自动化过程。
这项实验的成功，意味着那些诸如高位截瘫等失去了上肢行动能力的患者，可以通过机器人的帮助来成功地进行穿衣操作，对于患者家属来说，将大大节省照顾病人的人力成本。
而据研发团队透露，为了实现让机器人辅助人类穿衣的流程，他们在研发过程中不得不面对和解决两大挑战。首先，就是要让机器人把衣服从“挂”在衣架上的不可穿状态，转变为“取”下衣服的可着装状态；其次，就是要让“为病人穿衣服”这一动作，从“模拟指令”转变为“机械动作”。
针对第一个问题，该研发团队选择了一种合理的“预抓握”操作方案来解决。他们在让机器人进行“取衣服”的动作之前，先让机器人“自己”和衣架之间进行距离测量，进而让机器人提前了解自己和衣架之间的距离，由此来解决“距离不固定”的问题。而针对第二个问题，研发团队为机器人的场景模拟器引入了“服装物理学”的相关算法，通过和神经网络数据的对比，形成对真实服装的观察，测量其物理的相似性，以此来修正模拟器可能会产生的误差。
目前采用这项技术的双臂机器人，其穿衣成功率已经超过90%。设想一下，当这项技术继续推进，双臂机器人除了穿衣还能够进行喂饭、盖被子，递取东西等操作时，那么对于医疗领域的帮助将会不可限量。
最后再来看看东京大学的研究人员成功让双臂机器人剥出完整香蕉这件事。想必大家都清楚，人类幅度越小的动作，机器人复现的难度越高，对于机械结构的精密程度要求也越高，无论是角度、力道等，都是对机械臂编程操作的一大考验。
路透社发布信息称，东京大学信息学院的ISI实验室日前发布了一则视频，视频中所展示的双臂机器人可以在大约三分钟的时间内完整的剥掉一根香蕉的香蕉皮而不伤害果肉。虽然成功率只有57%，但是对于机器人进行“精密操作”的研究无疑意义重大。
该研发团队的成员Heecheol Kim、Yoshiyuki Ohmura和Yasuo Kuniyoshi采用了“深度模拟学习”的方法去训练机器人，他们演示了数百次剥香蕉的动作，以生成足够的数据，来让机器人进行重复的学习，最终经过13个小时的训练后，机器人成功完成了“剥香蕉”的动作。
▲双臂机器人拿起香蕉并剥皮而不压扁里面的水果
在通过这种方法训练机器人学习更多能力的同时，团队中的Kuniyoshi认为，他们的这种训练方式能够有效的让机器人去学习更多精细的人类动作，例如重复的流水线工作，并以此来解决日本劳动力短缺的问题。
可以说，无论是穿衣还是剥香蕉，如今机器人能够完成的工作变得更加精细和复杂，与之对应的是机器人在我们生活中的应用场景也在不断增加。从照顾病人辐射到解决整个医疗行业的问题，从代替工人辐射到解决整个社会的生产力问题，这些技术的成功在未来很有可能会推动社会的进程。成功让机器人完成触摸、穿衣和剥香蕉这些动作，也是技术积累的外在表现。
结语：强化学习成关键，“仿人”机器人技术迎来新突破
从上文中其实不难看出，反复的强化训练依然是目前机器人学习的主要途径，但是像“人造指尖”这种人体仿生学技术的加入，又为机器人的学习提供了全新的方式。很显然，“人造指尖”是目前机器人行业内独树一帜的存在，但是相对的，和传统的“模拟训练”相比，“人造指尖”的机械结构要更精密，产品本身涉及的技术也更多更复杂。
机器人不应该只是指令的载体，它更应该拥有和人脑比肩的智能，具备学习能力，懂得问题分析并可以执行精密的操作。“人造指尖”、辅助穿衣和剥香蕉这三项技术的成功恰好对应了上述的三个条件，并且从侧面也反应了人工智能技术的推进。对行业来说，今后机器人的训练方式，很可能会从原来“机械式地模仿”，变成通过传感器加持下的“主动学习”，一旦发生这样的改变，那机器人学习人类的进程将会大大加快。
