机器人触觉交互研究

人类与外界的交互，包括认知和改造两个方面，前者是后者的前提。对于前者，认知本质上是对时空的直观。具体说，任何一个外界的事物，都是时间和空间的具体形式体现----可以用一组时间空间参数描述。时空的无穷组合，也便造就了外界的多样性。对于这些组合的认知，人类有多个通道进行直观----视觉、听觉、触觉、嗅觉、味觉。这种简洁G效的直观方式也导致了一个问题：一个人和一个事物之间在时空上存在一定距离，就无法做到多个通道同时直观，以此限制了人对外界的认知水平。目前，从成熟度看，对五种通道的研究大致有三个梯队：视觉、听觉为梯队，我们的模仿已十分成熟----各类商业化的视听产品；触觉是第二梯队，处于成长期；嗅觉、味觉，处于第三梯队，该方面的研究相对较少。事实上有研究表明，触觉是生物体原始的感觉通道，甚至早于视觉功能进化，直至今日，人类婴儿探索世界的主要方式仍是触觉行为。可见，触觉研究落后的原因不是说不重要，而是不简单。触觉研究的困难存在于触觉实现的各个环节中：触觉机理复杂、触觉数据难以获取、触觉系统真再现实度低、触觉应用数量少。本文从触觉感知机理、触觉建模及渲染、触觉再现系统和展望四个方面展开论述。

1.触觉感知机理

触觉作为一个通道，其输入是触摸物体时触觉感受器的空间变化、震动，其输出是各类感觉，如硬度、形状、粗糙度、纹理、弹性、湿度、黏性；其实现的方式是通过各种操作，如触摸、按压、拿捏、滑动[1]等。目前，关于人体触觉感知较为成熟的是四通道理论，即人体对外界的触觉感知由皮肤内的4种机械式刺激感受器共同完成, 包括 Ruffini小体、Meissner小体、Merkel盘和Pacinian小体。4种触摸感受器所在皮肤组织的位置和对触觉刺激的响应均不相同, 其中, Ruffini小体感知弹性,Meissner小体感知凸起边缘, 物体外形、纹理造成的压力及低频的振动刺激一般由位于皮肤上皮层和真皮层之间的Merkel小体感知, 而G频振动刺激则由皮肤深处的Pacinian小体感知。

2.触觉建模及渲染

此部分实际上是为了解决这两个问题：1，如何获得数据？2，如何对真实表面的感觉进行描述和数学建模？

针对问题1，这里主要涉及两个方面：数据采集和数据压缩。数据采集：数据采集主要是通过各种信号采集设备实现，物体的结构可以通过传统的三维扫描识别和软件来实现，但单纯的几何建模无法获取像触感等其他物理交互属性。如清华大学孙富春教授团队研制的触觉手套，可以采集人手的指尖与手掌操作过程的触觉信息[2]。同时触觉信号的采集往往包含位置、角度、速度、力等多维信息,因此, 在进行触觉再现的信号建模等处理之前, 需要对采集的原始触觉数据进行压缩或降维。

针对问题2，目前建模渲染主要有两种方式：基于触觉数据和基于视觉数据。基于触觉数据：物体材质的触觉信息包括材质的纹理轮廓、摩擦力、振动信号等, 触觉再现即是模拟、重建材质表面触觉信息的过程。基于真实的触觉交互数据可以构建物体表面的纹理或几何轮廓模型, 或通过参数化建模等方式计算材质表面的触觉信号,实现虚拟物体表面的触觉再现。基于视觉数据：触觉数据需要通过专门的采集设备进行收集和处理, 数据获取要求G, 目前得到的触觉数据规模小。相比触觉数据集, 自然图像和纹理图像有大量的公开数据集可以获取, 这些图像中往往包含丰富的视觉和触觉特征。基于图像特征提取的触觉再现从图片的灰度、深度等信息获取图像中纹理表面的轮廓和特征, 将图像几何信息映射到触觉信息后实现触觉渲染。 

3.触觉再现系统

触觉再现研究目的在于设计出优异的触觉再现系统以提G人机交互的效率，优异主要体现在：真实的触觉再现、G效的人机交互和丰富的感知体验。目前触觉再现系统按交互形式主要分为触摸屏系统、触觉笔系统、可穿戴系统、主动表面和空气触觉系统。如清华大学史元春教授团队针对现有触觉图形显示器进行交互技术和用户体验的研究[3]。其从盲人触觉这一应用L域入手，对比目前主流的触摸屏，通过实验分析了触摸屏工作方式和点阵幅面对盲人交互体验的影响，终得出了一套触觉显示器的交互体验原则：符合盲人用户的自身认知、合理使用隐喻、使用场景多样, 以及成本控制。如在shadow灵巧手操控中，数据手套指尖穿戴振动器，将shadow灵巧手的触觉反馈给人手，以此增加遥操作机器人的沉浸感。

4.展望

目前的触觉再现技术可实现的真实感和交互性有限, 复杂感知机理和G开发成本增加了该L域的研究难度。面对触觉再现技术的发展现状, 结合触觉再现系统的应用需求, 未来触觉再现技术的突破发展有望从触觉感知机理、触觉数据建模、触觉反馈系统和触觉交互应用几个方向共同展开：

(1) 触觉感知机理的深入思考

由于缺乏系统的方法和多项技术发展阻碍, 尚未有系统且完整的理论表述触觉感知的各项影响因素。人体触觉感知机制的研究需要综合多门学科、从多个角度展开探索。

(2) 触觉建模算法的不断探索

触觉感知会受到神经生理组织、交互方式等多方面的影响, 准确提取和记录触觉交互过程中相关参数, 寻找并构建更准确的触觉计算模型, 有助于提G触觉再现信号的准确性和真实度。目前采集的真实触觉数据量及其可反映的物体触觉属性有限, 而且数据在采集、建模、传输和再现过程中均有部分触觉信息损失。未来在触觉数据的提取和记录方面, 需要设计低本、多维度的触觉数据采集系统, 构建统一的触觉数据采集和处理标准；在增加触觉数据采集数量和维度的基础上, 提升触觉信号传输速率和信息保真率, 降低触觉数据处理和分析过程中的信息损失。在触觉数据建模方面, 针对简单数学模型无法准确建模的触觉信号, 基于深度学习技术练 更复杂的网络模型, 能够对触觉数据进行更准确的特征提取和建模处理; 此外, 针对触觉技术研发 成本G的问题, 通过结合大数据技术建立和发布大规模开放式触觉数据集, 能够J大程度地促进虚拟触觉再现技术的飞跃。

(3) 触觉再现系统的创新设计

目前, 传统的触觉再现系统正在向更多交互维度、更大操作空间等趋势发展, 然而这些系统依然面临着便携性差、真实感弱、触觉反馈强度有限、不同维度性能差异大等问题。开发基于移动终端及可穿戴式触觉再现系统、增加触觉再现系统的触觉信息将是触觉再现技术的重要发展方向之一。

(4) 触觉交互应用的协同发展

由于触觉反馈方式和系统的限制, 触觉交互应用开发成本G, 而触觉交互系统的增强效果还停留在简单的振动碰撞模拟, 触觉再现技术带来的交互体验和效率优化价值难以评判。