CIE智库丨融合深度学习的机器手，灵巧度堪比人手！

英国Shadow Robot公司近期研制的Shadow手，是迄今最先进的仿人机器手，力的输出和活动的灵敏度，都逐渐可以同人类手部的功能相媲美。其更加灵活和精细的抓取操作，使得机器人灵巧手成为人类活动肢体的有效延伸成为可能。

机器手的前臂区域包含了全驱动系统，由伺服电机和各类传感器构成，因此机器手的灵活度依赖于硬编码，以协调其多个关节的运作，但始终无法达到人类手部动作的灵巧性。人工智能深度学习算法的加持，大大提升了机器手关节感知和运动的自由度。通过大量数据反复练习的机器手，具备更加优良的算法，充分调动位于关节和指尖的触觉传感器，在机器手接触目标物体和完成操作的过程中，通过持续自发的调整与物体不规则表面的接触，逐步达到与人类手部动作的一致。下图所示，深度学习加持下的机器手不断调整握住的油漆刷，并匹配目标操作指令。

同时，深度学习算法促使机器手实现基于活动指令的物体操作功能。下图所示，通过指引机器手操作积木，使得机器手从不同方位完成翻转积木的操作，该功能的实现推动机器手的精密度和灵活度有了更进一步的提升。

 仿人机器手具有通用性强、感知能力丰富、能够实现满足位置和力的闭环控制，精确、稳固抓取等优点。在空间探索、危险环境作业、医学工程、工业生产以及服务机器人等领域将发挥越来越重要的作用。在环境作业领域，仿人机器手可以替代人类完成各类高危环境和特殊工况的操作，下图所示，耐高温材质的仿人机器手可以完成更换灯泡的操作。

在工业生产领域，仿人机器手逐步进入非标准化的焊接、抛光、喷涂等更加精细化的操作，下图所示，仿人机器手可以替代人类操作冲击钻，避免工业危害。

在服务机器人领域，仿人机器手的应用最为常见，协助人们完成各类生活操作，提高生活的便捷度。下图所示，仿人机器手可以完成抓取鸡蛋，同时不会捏碎鸡蛋的外壳。

仿人机器手是机器人领域的一个重要研究方向，现阶段着重聚焦突破驱动源、传感技术、控制技术和电子技术等，实现机器手模拟人类手部的抓握操作。人工智能深度学习的训练数据集，则加速仿人机器手的学习速度。一方面，通过对三维形状与控制力之间大数据的研究，将图像传输到深度学习的巨大神经网络上，当一个新物体摆在仿人机器人手面前时，它的深度学习系统很快就能帮它找出抓取物体的方法。另一方面，人工智能深度学习算法可以在一天左右的时间里为深层神经网络提供足够的训练数据集，取代了真正的仿人机器手数月的物理试验，大大铺平和加速了仿人机器手的商业化路径和前景。