觸覺感知在生物體的運動和控制中起著至關重要的作用。與視覺、聲音或本體感覺不同，觸覺能夠在接觸點提供感知，使生物體能夠感知和推理力和壓力。然而，在機器人學習的文獻中，觸覺感知並未得到足夠的重視。現有的機器人學習工作主要依賴於視覺感知和本體感覺來訓練操作技能，而觸覺感知往往被忽視。
近日紐約大學的研究人員提出了一項新的設計方式，開發了一種低成本、耐用的傳感器AnySkin，這款傳感器易於組裝和整合到機器人系統中。目前該研究論文已在arXiv預先發表。
▍ AnySkin傳感器設計原理
觸覺傳感器在機器人中套用受限的原因主要有三個：成本、便利性和一致性。
我們知道，觸覺傳感器往往由於昂貴的制造工藝或高端元件的需求而成本高昂。在傳感器整合方面，通常需要為特定的機器人末端執行器客製，並且受到形狀和尺寸的限制。另外，觸覺傳感器通常做不到很好的一致性，即使透過相同的工藝生產，傳感器特性也可能存在較為明顯的差異。
現有的觸覺傳感技術包括電容式傳感器、電阻式傳感器、MEMS基傳感器和光學傳感器等。每種技術都有其獨特的優勢和局限性。例如，電容式傳感器具有高靈敏度，但難以建模剪下力且易碎；電阻式傳感器簡單耐用，但空間分辨率低；MEMS基傳感器具有多功能性，但成本高昂且制造工藝復雜；光學傳感器能夠捕獲高分辨率的接觸資訊，但對傳感器形狀和尺寸有嚴格的限制。
在可替換性方面，現有的觸覺傳感器大多依賴於軟傳感介面以實作與環境中物體的穩定接觸。但是軟介面在頻繁接觸互動中容易磨損，而關於觸覺傳感器可替換性的討論卻很少。此外可替換性評估主要考慮兩個因素：一是更換傳感介面的物理便利性，二是新舊例項之間的訊號一致性。前者通常透過簡單地將傳感介面（通常是易損的軟彈性體）與傳感電子元件分離來解決，而後者則較少討論。
紐約大學打造的AnySkin基於ReSkin傳感器進行改進，ReSkin是一種由軟磁化皮膚與基於磁力計的傳感電路組成的觸覺皮膚。透過檢測磁場畸變，ReSkin能夠測量由法向力和剪下力引起的皮膚變形。AnySkin保留了ReSkin的5個磁力計電路，同時對皮膚的設計和制造進行了關鍵改進，以提高耐用性、重復性和可替換性。
AnySkin的改進包括：使用脈沖磁化器對皮膚進行後固化磁化、在磁性彈性體和磁力計電路之間引入物理分離、使用更細的磁性顆粒以實作更均勻的顆粒分布、實作自對齊設計以減少彈性體和電路定位的可變性。這些改進旨在提高AnySkin的訊號一致性和可替換性。
AnySkin的制造基於磁性彈性體材料，這種材料透過將磁性顆粒與矽樹脂混合並固化而成。在制造過程中，需要準備模具，模具的形狀決定了磁性皮膚的最終形狀。為了創造出易於自我粘附的皮膚，研究人員設計了一種兩部份的模具，其中皮膚厚度為2毫米，形狀設計為三角形，以提高其精確操作能力。
接下來，將磁性微粒和兩部份聚合物（如Smooth-On的Dragonskin 10Slow）按照特定比例混合。研究人員使用的是更細的Magnequench MQFP-15-7（25μm）磁性顆粒，這些顆粒大約是ReSkin傳感器使用的顆粒的100倍，因此在固化前不會因重力作用而沈澱到皮膚的一側，從而確保了磁性顆粒在皮膚體積內的均勻分布，提高了訊號的一致性。
混合後的材料被倒入模具中，並透過真空室施加壓力以去除氣泡，確保皮膚材料的均勻性和質素。模具在真空室中保持一段時間，讓材料充分固化。固化完成後，開啟模具並修剪多余的材料，從而得到完全固化的AnySkin皮膚。
為了增強皮膚的磁性，研究人員使用脈沖磁化器對皮膚進行磁化處理。與傳統的在固化過程中使用磁鐵網格進行磁化的方法相比，脈沖磁化器能夠產生更強的磁場，使磁性偶極子更加充分地磁化，從而提高了皮膚的磁性場強度。這種磁化方法還允許皮膚與磁強計電路之間實作物理分離，提高了傳感器的耐用性和可替換性。
AnySkin的最後一個環節是將磁強計電路與磁性皮膚透過自對齊設計進行整合，無需使用粘合劑或緊固件，進一步簡化了整合過程並提高了訊號的一致性。這種自粘附設計使得AnySkin能夠輕松拉伸並適應各種表面，同時緊密貼合，賦予皮膚傳感能力。
▍ 實驗結果與論證
為了驗證AnySkin的綜合效能，研究人員實驗驗證了AnySkin作為觸覺傳感器的能力及其在策略學習中的套用情況。
在訊號特性比較實驗當中，AnySkin在訊號強度和一致性方面均優於ReSkin。脈沖磁化器能夠明顯提升磁場強度，允許在傳感皮膚和傳感電子元件之間添加物理分離，從而提高了可替換性和訊號重復性。更細的磁性顆粒減少了訊號變異性，而自對齊設計則減少了由於不對齊引起的訊號變異性。
在滑動檢測實驗中，AnySkin能夠以92%的準確率在未見過的物件上檢測滑動。可替換性比較實驗顯示，使用者發現更換AnySkin比更換其他傳感器（如DIGIT和ReSkin）顯著更快且更容易。此外，消除粘附允許更換後的皮膚重復使用而無需額外的粘附和固化時間。
策略學習實驗，AnySkin在跨例項泛化方面表現出色。在三個精確操作任務（插入插頭、信用卡刷卡和插入USB）中，使用AnySkin訓練的策略在更換皮膚後效能僅下降平均15.6%，而使用ReSkin訓練的策略效能下降了43%。這表明AnySkin在訊號一致性和可替換性方面優於ReSkin。
▍ 結語與未來：
紐約大學打造的新型磁性觸覺傳感器AnySkin，為觸覺感知在機器人中的套用提供了新的可能性。它不僅能夠簡化觸覺傳感器的整合和更換過程，還能夠提高基於觸覺的數據收集和利用效率。隨著機器人技術的不斷發展，AnySkin有望成為觸覺感知在機器人中廣泛套用的重要推動力量。
