圖為機(jī)器人仿生手感知區(qū)域圖解。

　　趙秭杭 李宇飏制圖

　　圖為機(jī)器人仿生手感知區(qū)域圖解。
　　趙秭杭 李宇飏制圖

　　北京通用人工智能研究院的實(shí)驗(yàn)室里，一只機(jī)器人仿生手正在執(zhí)行一項(xiàng)高難度任務(wù)：用拇指和手掌握住瓶子的同時(shí)，用其它手指抓取高爾夫球，并精確運(yùn)送到指定位置。

　　在機(jī)器人領(lǐng)域，如何在不影響運(yùn)動(dòng)功能的前提下實(shí)現(xiàn)全手高分辨觸覺覆蓋，一直是一個(gè)難題?！八芟袢艘粯?，通過觸覺反饋進(jìn)行精確操作。”北京通用人工智能研究院研究員劉騰宇介紹，這是名為“F—TAC  Hand”的機(jī)器人仿生手，其掌面70%的面積上集成了高分辨率觸覺感知，首次實(shí)現(xiàn)類人水平的自適應(yīng)抓取能力。

　　不久前，這項(xiàng)由我國(guó)北京通用人工智能研究院、北京大學(xué)和英國(guó)倫敦大學(xué)瑪麗女王學(xué)院聯(lián)合研究的成果，在《自然·機(jī)器智能》上發(fā)表。

　　對(duì)人類手部功能的研究，是具身智能與機(jī)器人研究的前沿領(lǐng)域。劉騰宇介紹，“我們?cè)谀萌∥矬w時(shí)涉及‘觸覺反饋’與‘運(yùn)動(dòng)功能’兩大能力，在以往的研究中，觸覺反饋與運(yùn)動(dòng)能力的整合被認(rèn)為是機(jī)器人研究領(lǐng)域中的關(guān)鍵挑戰(zhàn)之一?！?/p>

　　如何讓機(jī)械手擁有“觸覺”？“我們首次在真實(shí)人手比例的機(jī)械手中成功嵌入了17個(gè)視觸覺傳感器?！毖芯繂T李皖林介紹，機(jī)械手的模塊化視觸覺傳感器，主要由多色光源、柔性鍍膜硅膠體、剛性支撐件、微型攝像頭和傳感器板構(gòu)成。

　　記者拿起一支鋼筆按壓機(jī)械手，后臺(tái)的電腦屏幕上立刻顯現(xiàn)出確切的接觸位置、壓力分布以及鋼筆的紋理等信息?！盀榱俗屓總鞲衅魍瑫r(shí)工作，我們?cè)O(shè)計(jì)了一套多相機(jī)圖像同步采集系統(tǒng)?！毖芯繂T王濛介紹，“傳感器既是感知元件又是結(jié)構(gòu)部件，在不犧牲手部靈活性的前提下實(shí)現(xiàn)了前所未有的觸覺覆蓋范圍?！?/p>

　　人的手部有27塊骨骼和34塊肌肉，可以實(shí)現(xiàn)24個(gè)自由度。研究員李博韌介紹，在運(yùn)動(dòng)控制方面，機(jī)器人仿生手采用了繩驅(qū)方式，通過五根腱繩沿手指兩側(cè)布線，分別控制五指的屈伸動(dòng)作。同時(shí)，關(guān)節(jié)內(nèi)置扭簧結(jié)構(gòu)，實(shí)現(xiàn)腱繩松弛時(shí)的自動(dòng)復(fù)位，能夠?qū)崿F(xiàn)總計(jì)15個(gè)自由度與10牛頓的握力。

　　“我們開發(fā)了一種生成人類多樣化抓取策略的算法來解決這一問題。該算法基于概率模型，能夠產(chǎn)生與人類非常相似的抓取方式，涵蓋了人類常見的19種抓取類型?！北本┩ㄓ萌斯ぶ悄苎芯吭簩?shí)習(xí)生、北京大學(xué)人工智能研究院博士生李宇飏說。

　　李宇飏介紹，相比沒有觸覺反饋的系統(tǒng)，“F—TAC  Hand”在面臨執(zhí)行誤差和物體碰撞風(fēng)險(xiǎn)時(shí)表現(xiàn)出顯著的適應(yīng)性優(yōu)勢(shì)，平均成功率從53.5%提升至100%?！盎谟|覺的閉環(huán)反饋機(jī)制，使其能夠像人類一樣，在不確定環(huán)境中保持高效靈活的操作能力，這對(duì)機(jī)器人在家庭、醫(yī)療和工業(yè)環(huán)境中的實(shí)際應(yīng)用至關(guān)重要?！崩钣铒r說。

　　北京通用人工智能研究院院長(zhǎng)、北京大學(xué)人工智能研究院院長(zhǎng)朱松純表示，這一研究成果驗(yàn)證了全手高分辨率感知可在不影響手部運(yùn)動(dòng)功能的前提下實(shí)現(xiàn)，為探索復(fù)雜的觸覺具身智能開辟了新的研究道路，“更廣泛地看，我們的研究成果為豐富感官反饋在智能行為中的關(guān)鍵作用提供了有力證據(jù)，并為超越純計(jì)算方法的具身人工智能系統(tǒng)發(fā)展作出了方向性探索。”

　　《 人民日?qǐng)?bào) 》（ 2025年06月21日 06 版）