机器人利用类似于人类指纹滑动传感器来辨识不同织物纹理和材质
有志者,事竟成!如果你在学习科技周边,那么本文《机器人利用类似于人类指纹滑动传感器来辨识不同织物纹理和材质》,就很适合你!文章讲解的知识点主要包括,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~
《自然通讯》最近发布的一篇重要论文,该论文详细描述了一种独特的系统,其工作原理类似于人类手指具备感知能力一样,让机器人灵巧手搭载人工触觉传感器,实现识别斜纹布、灯芯绒和羊毛等精细纹理能力。这一突破性的技术,不仅为我们提供了对机器人和人体假肢的微妙触觉能力,同时有望在虚拟现实技术当中进行落地应用。

研究人员表示,该套系统模仿了人类指纹的特征,创建了一种灵活的滑动传感器。这一应用使得系统能够在传感器触摸或滑动表面时,识别表面纹理上的小特征。通过将这种传感器集成到假肢中,并配合机器学习技术,研究人员成功地捕获了微妙的触觉信号,并准确地识别出了20种不同的纺织品,包括亚麻、尼龙、聚酯纤维和泡泡纱,准确度高达100%。
▍人工感觉系统是如何运作的?
在人体生物感觉系统中,皮肤通过慢速自适应(SA)和快速自适应(FA)机械感受器感知外界时产生不导电的电位变化,信号通过神经系统传输到大脑进行进一步分析和判断。研究人员表示,该人工感觉系统模仿了人类感觉系统的功能,仅使用一个传感器就实现了SA和FA受体的两种功能——传感器在物理交互过程中既可以响应静压,也可以响应高频振动与纹理或其他物体。具有时空信息的信号进一步通过电路收集和传输,并使用机器学习进行分析,并在可视化用户界面中输出识别结果。

a人类的生物感觉系统。b本研究的人工感觉系统,传感器可以检测静态和动态压力。
▍滑动传感器的材料、结构、传感特性以及静态和动态压力检测的机制
这款滑动传感器是由聚二甲基硅氧烷(PDMS)制成的人工指纹,以及聚乙烯醇(PVA)-磷酸(H 3 PO 4 ,8.3 wt.%)离子凝胶层、两个柔性电极组成聚对苯二甲酸乙二醇酯(PET)上的金薄膜和用于封装的平面PDMS薄膜人工指纹由一组同心椭圆形结构组成,其具有高度为260μm的三角形脊,结构间距为350μm。人造指纹的尺寸和弹性模量都接近人类指纹的尺寸,以有效捕获触觉期间的振动刺激。

滑动传感器的时空分辨率
传感器顶部的PDMS指纹模仿人类指纹来捕捉交互过程中的振动刺激,而指纹尖端的尺寸决定了传感器的空间分辨率。如果没有指纹,传感器虽然高度敏感,但可能无法有效地与表面纹理交互。高空间分辨率使传感器能够检测微小的表面特征,包括纺织品的微米级纤维(直径数十微米)。此外,滑动传感器的空间分辨率优于人类指尖的空间分辨率。

在区分非结构化表面时,人类指尖的准确度较差(平均准确度为 24.3%,所有情况下准确度≤44%),且Kappa系数较小(0.12,表明与不可靠数据的一致性最低 45 ),特征尺寸为 10、15、20、30、40 和 50μm的表面纹理。通过对比实验结果表明,人类无法解析小于 50μm 的结构。
结语与未来 在总结这篇文章的同时,我们可以看到未来的发展潜力。随着科技的不断进步,我们可以预见到许多机遇和挑战。 首先,随着人工智能的发展,我们可以期待更多的自动化和智能化解决方案。这将为我们提供更高效、便捷的生活方式,并为企业提供更多创新和发展的机会。 其次,随着数字化时代的到来,信息和数据的重要性也变得越来越明显。未来,我们将面临更多的数据管理和隐私保护的挑战。同时,这也为我们提供了更多的商机,例如数据分析和信息安全等领域。 此外,可持续发展也将成为未来的重要议题。环境保护和资源回收将成为各行各业的关注重点。我们需要共同努力,采取可持续的生活方式,为未来的世代留下一个更美好的地球。 总之,未来充满着机遇和挑战。我们需要不断学习和适应变化,抓住机会,迎接未来的发展。希望我们能够共同努力,创造一个更繁荣、可持续的未来
这一发现的重要性在于,它提供了一种全新的方式来提高机器人的感知能力,帮助佩戴人工假肢的患者恢复感觉,推动基于触觉的虚拟现实和消费电子产品的发展。这不仅可能改变我们对机器人和假肢的看法,而且还有可能引领下一次的技术革命,让我们进入一个更加逼真的虚拟世界。
这项研究是一项重大的突破,它为我们提供了一种全新的方式来感知和理解我们所处的环境。通过模仿人类的触觉系统,我们有可能创造出更加智能、更加敏感的机器人和假肢,以及更加真实的虚拟现实装备。
本篇关于《机器人利用类似于人类指纹滑动传感器来辨识不同织物纹理和材质》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于科技周边的相关知识,请关注golang学习网公众号!
亮风台AR技术“入海”,助推船舶产业数字化转型“乘风破浪”
- 上一篇
- 亮风台AR技术“入海”,助推船舶产业数字化转型“乘风破浪”
- 下一篇
- 任天堂新专利表明:Switch 2有可能支持会VR设备
-
- 科技周边 · 人工智能 | 22小时前 |
- Transformers generate 怎样返回每步生成分数并定位异常输出
- 308浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | 人工智能 · api设计 · 人工复核 内容审核 Categories Moderation API category_scores
- 内容审核接口返回多标签结果时怎样设计分支
- 160浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | 人工智能 · 多模态 · token 视觉模型 detail 多图输入 Vision API
- 视觉模型输入多张图片时怎样控制顺序和细节级别
- 386浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | 人工智能 · 提示词缓存 prompt_cache_key 稳定前缀 动态输入
- 提示词缓存怎样拆分稳定前缀和动态输入
- 419浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | 多模态输入 Gemini API Files API MIME 类型
- Gemini API 怎样把文件输入和文本提示放在同一请求
- 164浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | 人工智能 · padding Transformers tokenizer attention_mask input_ids truncation
- Transformers tokenizer 怎样让 padding 与 truncation 对齐批量输入
- 416浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 |
- Hugging Face Datasets DatasetDict 跨 train 与 validation 的 map 处理方案
- 267浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | 人工智能 · 结构化输出 · JSON Schema Responses API Structured Outputs strict refusal
- 结构化输出怎样约束模型返回 JSON Schema
- 328浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | 人工智能 · openai · 工具调用 Responses API function_call_output call_id
- Responses API 怎样处理工具调用后的继续响应
- 156浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | 人工智能 · openai · 多轮对话 Responses API conversation state OpenAI API previous_response_id
- Responses API 怎样用上一轮响应继续多轮对话
- 121浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1079次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1079次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1244次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1184次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1029次使用
-
- 量化模型本地推理的显存估算方法
- 2026-10-17 501浏览
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览

