MIT最新AI研究，让机器人利用触觉感知物体

“通过观察物体的表面，我们的模型可以预测某个平面或棱角的触感。通过触摸物体，我们的人工智能模型可以根据触感来构建感知到的环境。将这两种感知数据相结合，机器人的性能就会得到优化，它在搬运或抓取某个物体时所需的数据就更少，”CSAIL博士生Yunzhu Li说道，他与他的导师Russ Tedrake、Antonio Torralba以及另一位博士后Jun－Yan Zhu一起撰写了本篇论文。

这支团队的系统采用了生成式对抗神经网络（GAN），这种神经网络包含了生成模型和判别模型，前者负责生成样本，后者负责辨别生成样本和现实样本的不同。该系统能将触觉数据产生的图像拼接起来。训练时它采用了VisGel的数据，该数据库拥有300万组视觉和触觉的配套数据，其中包含1．2万个视频片段，对象多达200种（包括工具、织物和家具产品等）。它会预测出形状和接触点的材料，然后与参考图片进行对比。

例如你给出一只鞋子上某个点的触觉数据，这个模型就能确定出这个接触点到底在什么地方。

这些参考图片能为目标物体或环境的细节进行编码，让机器学习模型不断自我完善。

这些研究人员指出，目前的数据集还非常有限，对于现有的系统而言，物体的颜色、柔软度等细节还很难预测。但很显然他们的研究会为更多的人机一体化打下基础，尤其是针对光线昏暗甚至黑暗密闭空间中的任务。