12月28日下午，由DISCOVER实验室主办的第17期AIR青年科学家论坛顺利开展。本期活动荣幸地邀请到了清华大学机械工程系助理研究员姜峣博士，为我们线上做题为
《机器人交互感知与自主化操作》
的精彩报告。
姜峣，本科毕业于南京理工大学机械工程及自动化学院，在清华大学机械工程系获得博士学位。姜峣博士曾先后任职清华大学精密仪器系（研究方向高精机器设计及控制）、哈佛大学生物工程系（研究方向人脑学习行为特性）的博士后，现任清华大学机械工程系助理研究员，研究方向为机器人交互感知与自主化操作。
本次报告中，姜峣博士首先讲述了机器人交互感知与自主化操作的背景，然后从指尖多模态触觉感知、自适应自学习抓取和目标特征自引导装配三个方面，详细介绍了个人及所在团队在机器人交互感知与自主化操作领域的研究，并提出了后续对该研究方向的思考和规划。
姜峣博士首先说明了自动化操作与自主化操作的区别。随着应用场景和操作对象越来越复杂，预编程的、重复性的自动化操作已经几乎无法满足现在的应用需求，下一代机器人操作也逐步向自适应、自学习的自主化操作发展。然而，机器人操作是机器人领域最具挑战性的研究之一，在自主化能力方面与人类相比存在着巨大差距，交互感知能力弱、机械手灵巧性差、操作技能泛化难等都是亟待解决的问题。
人手触觉中最灵敏、信息密度最丰富的区域在指尖，每平方厘米多达140个感受器，因此指尖的触觉感知尤为重要。面向指尖多模态的触觉感知要求满足紧凑性、精确性、精细性、实时性以及可靠性的性能需求。对于多模态的理解，姜峣博士认为可以参考视觉感知，将其分为低层信息、中层信息和高层信息。
不同触觉传感器形式的差异很大。基于测量阵列形式的触觉传感器体积紧凑、信号测量速度较快，但信息感知种类有限、密度较低、制备工艺要求价高、信号采集硬件复杂。基于模型重构形式的触觉传感器结构形式简单，测量系统复杂度较低，更多依赖于后续的算法模型对传感信号的处理，更适合于指尖这样小面积、高密度的触觉感知。
姜峣博士采用了Vision-based触觉传感器形式，通过弹性介质层获得信息表征，通过光学系统采集表征后的光学信号，进而提取触觉感知的低层信息，再借助模型进行中层的多模态触觉信息重构。
低层触觉信息测量是从原始触觉到弹性介质的接触形变的过程，包含信息表征、信息采集和信息提取三个步骤。
信息采集的目的是采集表征模式的光学信号，进而转换为图像信息，要求表征模式的特征与位置信息具有完备性与准确性，且保证传感器结构的紧凑型、降低硬件的复杂度。为提供光学系统的功能保证、性能保证以及系统实现，在确定光学系统形式的基础上，进一步开展光学系统设计、性能优化和精度标定。
光学系统设计。2D测量的深度信息维度缺失，2.5D测量的深度信息精度有限，而3D测量尺度大、硬件复杂、传感器结构不紧凑。综合上述问题，姜峣博士认为应该引入虚拟双目视觉系统，利用多个反射镜的组合让相机同时看到不同角度的画面，保证了表征模式位置信息的完备性、提升了触觉传感器结构形式的紧凑型、降低了触觉传感器硬件系统的复杂性。
光学系统性能优化。系统的优化有精确性、分辨率和紧凑性三个核心性能指标，综合三个指标的设计能达到最优的系统性能。
信息表征和信息提取的关联性十分紧密，不同的表征方式决定了不同的提取算法。信息表征的目的是将弹性介质形变表征为可捕捉的光学信号，而信息提取的目的是从相机图像中提取出弹性介质的形变信息。
由于表征模式的形态在接触过程中不断发生着变化，在信息表征中需要特征标志层来锚定介质将其图形化以及拓扑连接层来构建特征间的关联性，对应地在信息提取中需要对特征进行识别与定位以及利用拓扑进行匹配与跟踪。
常用的离散标志图案信息表征方法采用过程拓扑，特征与拓扑解耦，信息提取时的识别可靠性高，追踪可靠性低；而连续标志图案采用状态拓扑，信息提取时的识别可靠性低，追踪可靠性高。因此，综合两种方法，可以得到融合式标志图案的方案，离散的特征点用于信息补充，连
续的拓扑可以为特征点提供刚性的关联关系。
中层触觉信息重构是从弹性介质形变信息出发，通过建模手段，进一步重构出多模态触觉信息，包括接触信息、物体信息和环境信息。
对于接触分布力的重构，姜峣博士分别从算法和传感器结构优化方面来降低噪声敏感性，提升接触分布力重构的鲁棒性。
对于接触滑移场重构，姜峣首先介绍了接触微滑的概念。接触微滑介于滑动和静止之间，指当切向载荷不足以导致手指与被抓物体指尖的宏观滑移时，粘结区和滑移区同时存在的状态。此时，由于物体的运动状态无法获取，导致接触滑移场的测量极为困难。姜峣博士提出采用基于分布力比率场的粘结区域拟合模型提高接触滑移场重构的精度。
此外，姜峣博士还介绍了物体分布摩擦特性以及质量特性的探索进度。
接下来，姜峣博士介绍了团队开发的指尖多模态触觉传感器——Tac3D。该传感器在下游的远程医疗、智能假肢、仿人机器等领域具有广阔的应用空间，项目团队还获得了清华大学2022年度十佳创新创业团队等多项荣誉。
抓取是人类最为基本而又重要的技能之一，必将也是机器人拓展工业和日常应用场景所必备的功能。抓取任务涉及到视觉系统、人手构造、触觉传感以及大脑控制，其中的两个重要环节是抓取位形选取以及抓取过程调控。
抓取过程调控中的抓取力大小取决于物体的质量、摩擦系数以及物体被破坏的极限，它们共同决定了抓取力的上限和下限。其难点在于物体信息在抓取前未知。对此，姜峣博士提出摩擦特性的在线辨识，并通过微滑效应来预判稳定，以及通过微元合力实现实时调控，最终针对多种日常物体，所需的抓取力只需要稍高于最小力的力就可以把物品抓起来，既保证了抓取的稳定性同时不浪费力的使用或对物体造成伤害。使用该策略的物体特性自适应抓取力安全阈值被控制在30%以内，可媲美人手的调控能力（10%~40%）。
物体抓取位形规划更为困难，一方面抓取位形可以有无穷多解，另一方面物体间的差别大、特征复杂，导致很难学到鲁棒的、可泛化的技能，需要构建内部传感空间与外部行为空间的内在关联关系来实现抓取位形自学习规划。
在大尺度施工任务中，如典型的砌墙任务中，不可预知的障碍物以及移动底盘厘米级的定位误差都会导致移动施工机器人施工过程中的基准缺失，且机器人基座并非固定支撑，因而出现受载偏摆。为摆脱对环境、移动机器人自身基准的依赖，姜峣博士提出融合视觉的目标特征测量与自引导控制模式的技能，以实现面向大尺度空间的高精度移动操作机器人系统。
为此，姜峣博士还研发了复杂地形行驶适应性强、结构紧凑的全向移动底盘，以及国际上负载自重比最高的50kg负载6-DOF机械臂。相关的机器人系统及目标引导式控制模式，也已成功应用于大型航天器装配中，团队作为唯一一家高校单位，参与了研发国内第一条柔性化卫星装配产线。
对于后续研究方向的思考和规划，姜峣博士提到会继续聚焦于机器人的交互感知与自主、智能操作，构建涵盖大尺度空间下机器人特征引导与高精操作和机器人自适应自学习操作机理与控制策略的完备理论技术体系，争取突破行业发展的瓶颈，将机器人自主操作应用在建筑施工、航天装配、数字化工厂、智能假肢以及触觉增强现实等目前未被机器人涉足的应用领域。
文稿撰写 / 詹李双
排版编辑 / 王影飘
校对责编 / 黄 妍
