(资料图)

COLUMBIAUNIVERSITY

在每个手指的皮肤下面是一个柔性反射膜，在该膜下面是LED阵列和光电二极管阵列。每个LED都会循环打开和关闭一毫秒，光电二极管会记录每个LED发出的光是如何从手指内膜反射出去的。当薄膜弯曲时，反射的模式会发生变化，如果手指接触到什么东西，就会发生这种情况。经过训练的模型可以将该光模式与手指接触的位置和幅度相关联。

因此，现在你的手指知道自己在触摸什么，他们也需要知道如何触摸某个东西，以便以你希望的方式操作它而不掉落它。在操作时，有些物体对机器人友好，有些则对机器人不利，比如形状复杂和凹陷的物体（例如L形或U形）。在手指数量有限的情况下，进行手操作往往与确保物体保持稳定握持不一致。这是一种叫做“手指步态”的技能，需要练习。或者，在这种情况下，它需要强化学习。研究人员使用的技巧是将基于采样的方法（找到已知开始状态和结束状态之间的轨迹）与强化学习相结合，以开发在整个状态空间上训练的控制策略。

虽然这种方法效果很好，但整个非视觉的事情在某种程度上是人为的约束。哥伦比亚大学的Matei Ciocarlie说，这并不是说在黑暗或混乱中操纵物体的能力不是特别重要，只是视觉有更多的潜力：“一旦我们在混合中加入视觉反馈和触摸，我们希望能够实现更大的灵活性，并有一天开始接近人手的复制。”

哥伦比亚大学的Gagan Khandate、Siqi Shang、Eric T.Chang、Tristan Luca Saidi、Johnson Adams和Matei Ciocarlie的“基于抽样的探索，用于灵巧操作的强化学习”被RSS 2023接受，详情请见：https://arxiv.org/pdf/2303.03486.pdf。

芝加哥大学研究无需硬件即实现手指触觉感知

5G网络表现突然“失色”，原因是什么？

液态神经网络无人机在未知领域航行时击败了其他人工智能系统

关键词：