best365体育最新版本_MIT开发低成本传感器手套：使机械手触摸识别物体

本文摘要：据麦姆斯咨询报导，麻省理工学院计算机科学与人工智能实验室（MIT-CSAIL）的研究人员近日研发了一种低成本的传感器手套，目的使人工智能需要“弄清楚”人类如何通过触碰辨识物体。

据麦姆斯咨询报导，麻省理工学院计算机科学与人工智能实验室（MIT-CSAIL）的研究人员近日研发了一种低成本的传感器手套，目的使人工智能需要“弄清楚”人类如何通过触碰辨识物体。它被称作可前端的TActile手套（STAG），用于550个微小的压力传感器来分解可用作创立改良的机械手的模式。

人类十分擅于通过触碰来弄清楚物体是什么（例如在黑暗中摸索眼镜或手机）。工程师期望机器人也能效仿这种能力。这样做到的一种方法是搜集尽量多的关于人类实质上如何通过触碰辨识的信息。

原因在于，如果有充足大的数据库，那么机器学习可以用来展开分析，不仅可以推测人手如何辨识某物，还可以估算其重量——机器人和假肢无法做这点。麻省理工学院正在通过配有550个压力传感器的低成本针织手套搜集这些数据。手套相连到计算机，计算机搜集数据，压力测量结果被切换为视频“触觉地图”并被输出卷积神经网络（CNN）。该网络能对图像展开分类，找到特定的压力模式并将其与特定的物体相匹配。

该团队从26个少见物体（如饮料罐、剪刀、网球、勺子、钢笔和马克杯）中搜集了135000个视频帧。然后，神经网络将半随机帧与特定的夹点相匹配，直到创建了一个物体的原始图片-这与人们通过在手中滑动物体来辨识物体的方式十分相近。

通过用于半随机图像，可以给网络获取涉及的图像集群，因此会在牵涉到数据上浪费时间。“我们期望最大化框架之间的差异，为我们的网络获取最差的输出，”CSAIL博士后PetrKellnhofer说道。

“单个群集中于的所有帧都应当具备类似于的亲笔签名，这些亲笔签名代表了捕捉对象的类似于方式。从多个群集中于取样仿真人类交互式尝试探寻物体时寻找有所不同的捕捉方式。

”该系统目前辨识物体的精确度为76%，其还可以协助研究人员理解手掌控和操控它们的方式。为了估算重量，研究人员还编成了一个11600帧的分开数据库，表明在跌入之前用手指和拇指掉落物体。通过在物体被维持时测量手周围的压力，然后在跌入后较为它，可以测量重量。

该系统的另一个优点是成本和灵敏度。类似于的传感器手套价值数千美元，却只有50个传感器。而麻省理工学院的手套则使用现成的材料，成本仅有为10美元。

该研究公开发表在《大自然》杂志上。

本文关键词：best365官网下载最新版本免费版,best365体育最新版本,best365·官网

本文来源：best365官网下载最新版本免费版-www.xinaosofa.com