麻省理工學(xué)院計(jì)算機(jī)科學(xué)及人工智能實(shí)驗(yàn)室（CSAIL）的研究人員表示，在不久的將來(lái)，機(jī)器人將能夠通過(guò)觸覺(jué)來(lái)感知物體。一篇最新的相關(guān)論文將于下周在加利福尼亞長(zhǎng)灘市的計(jì)算機(jī)視覺(jué)與模式識(shí)別會(huì)議上公開(kāi)，這篇論文描述了一種人工智能系統(tǒng)，它可以通過(guò)觸覺(jué)信號(hào)生成觸摸物的視覺(jué)形象，還能根據(jù)視覺(jué)數(shù)據(jù)來(lái)預(yù)測(cè)物體的觸感。

“通過(guò)觀(guān)察物體的表面，我們的模型可以預(yù)測(cè)某個(gè)平面或棱角的觸感。通過(guò)觸摸物體，我們的人工智能模型可以根據(jù)觸感來(lái)構(gòu)建感知到的環(huán)境。將這兩種感知數(shù)據(jù)相結(jié)合，機(jī)器人的性能就會(huì)得到優(yōu)化，它在搬運(yùn)或抓取某個(gè)物體時(shí)所需的數(shù)據(jù)就更少，”CSAIL博士生Yunzhu Li說(shuō)道，他與他的導(dǎo)師Russ Tedrake、Antonio Torralba以及另一位博士后Jun－Yan Zhu一起撰寫(xiě)了本篇論文。

這支團(tuán)隊(duì)的系統(tǒng)采用了生成式對(duì)抗神經(jīng)網(wǎng)絡(luò)（GAN），這種神經(jīng)網(wǎng)絡(luò)包含了生成模型和判別模型，前者負(fù)責(zé)生成樣本，后者負(fù)責(zé)辨別生成樣本和現(xiàn)實(shí)樣本的不同。該系統(tǒng)能將觸覺(jué)數(shù)據(jù)產(chǎn)生的圖像拼接起來(lái)。訓(xùn)練時(shí)它采用了VisGel的數(shù)據(jù)，該數(shù)據(jù)庫(kù)擁有300萬(wàn)組視覺(jué)和觸覺(jué)的配套數(shù)據(jù)，其中包含1．2萬(wàn)個(gè)視頻片段，對(duì)象多達(dá)200種（包括工具、織物和家具產(chǎn)品等）。它會(huì)預(yù)測(cè)出形狀和接觸點(diǎn)的材料，然后與參考圖片進(jìn)行對(duì)比。

例如你給出一只鞋子上某個(gè)點(diǎn)的觸覺(jué)數(shù)據(jù)，這個(gè)模型就能確定出這個(gè)接觸點(diǎn)到底在什么地方。

這些參考圖片能為目標(biāo)物體或環(huán)境的細(xì)節(jié)進(jìn)行編碼，讓機(jī)器學(xué)習(xí)模型不斷自我完善。

這些研究人員指出，目前的數(shù)據(jù)集還非常有限，對(duì)于現(xiàn)有的系統(tǒng)而言，物體的顏色、柔軟度等細(xì)節(jié)還很難預(yù)測(cè)。但很顯然他們的研究會(huì)為更多的人機(jī)一體化打下基礎(chǔ)，尤其是針對(duì)光線(xiàn)昏暗甚至黑暗密閉空間中的任務(wù)。