隨著機(jī)器人技術(shù)的不斷發(fā)展，將來機(jī)器人會(huì)更好融入我們?nèi)粘Ｉ�活。目前機(jī)器人在工業(yè)環(huán)境中，它們的動(dòng)作可以通過程序化來實(shí)現(xiàn)高性能；而在非結(jié)構(gòu)化環(huán)境(如家庭、辦公室和醫(yī)院)中的操作仍是個(gè)挑戰(zhàn)性問題。機(jī)器學(xué)習(xí)的進(jìn)步極大地改善了現(xiàn)實(shí)環(huán)境中的操作，然而即使是大規(guī)模機(jī)器人訓(xùn)練抓取系統(tǒng)（在兩個(gè)月內(nèi)收集了80萬次抓取嘗試的數(shù)據(jù)集上進(jìn)行訓(xùn)練）也有17.5%的失敗率[1]。當(dāng)機(jī)器人在不確定環(huán)境中操作時(shí)，能夠檢測(cè)到它們是否成功地完成了操作任務(wù)是至關(guān)重要的。近年在IEEEWorld Haptics Conference上發(fā)表了Effectsof Force-Torque and Tactile Haptic Modalities on Classifying the Success of Robot Manipulation Tasks論文，通過研究找出一種觸覺感知模式最適合機(jī)器人對(duì)其任務(wù)性能進(jìn)行分類。

我們知道觸覺感知在提高自主機(jī)器人[2][3]的操作能力方面是至關(guān)重要。觸覺感知一般包括力-力矩和觸覺兩種方式：力-力矩傳感器通常安裝在機(jī)器人的手腕上，可以用來測(cè)量施加在機(jī)器人手上的總力和力矩；觸覺傳感器通常安裝在機(jī)器人的指尖或更大的區(qū)域作為“皮膚”，測(cè)量機(jī)器人和環(huán)境之間的局部相互作用[4][6]。觸覺感知包括接觸、壓力、溫度、局部力、變形[5]-[7]的高頻振動(dòng)。多種觸覺感知模式可以一起使用，以提高實(shí)時(shí)操作控制器[8][9]的性能。觸覺感知的多種模式也可以用于操作性能的離線分類方法，比如識(shí)別一個(gè)物體何時(shí)滑過機(jī)器人的手[10]并確定被操縱對(duì)象[11][12]的屬性。Bekiroglu等人將來自觸覺指尖傳感器的數(shù)據(jù)與機(jī)器人手的配置信息和物體的先驗(yàn)知識(shí)相結(jié)合，自動(dòng)評(píng)估抓取的穩(wěn)定性[13]。

該文利用了Chu等人開發(fā)的任務(wù)完成分類方法。在他們的工作中，Chu等人在機(jī)器人試圖完成幾項(xiàng)操作任務(wù)時(shí)，記錄了一個(gè)安裝在腕上的力傳感器的數(shù)據(jù)。然后，他們?yōu)槊總�(gè)操作任務(wù)訓(xùn)練了兩個(gè)隱馬爾科夫模型[14]，一個(gè)用于成功完成任務(wù)的機(jī)器人，另一個(gè)用于未能完成任務(wù)的機(jī)器人。作為他們工作的一部分，Chu等人使用這些模型將每個(gè)任務(wù)之前未見過的嘗試的四個(gè)實(shí)例劃分為成功或不成功，對(duì)于某些任務(wù)，這種方法可以得到完美的分類，然而，對(duì)于其他任務(wù)，比如用杯子舀意大利面，該方法的分類精度為50%[15]。

為了研究哪種觸覺模式或模式組合最適合對(duì)任務(wù)完成進(jìn)行分類，文中反復(fù)嘗試用三對(duì)指尖傳感器中的每一個(gè)來完成兩項(xiàng)任務(wù)。將每個(gè)試驗(yàn)貼上“成功”或“不成功”的標(biāo)簽，在使用了Chu等人開發(fā)的任務(wù)完成分類方法之后，使用從指尖和力-力矩傳感器提取的不同特征組合訓(xùn)練了兩對(duì)隱馬爾科夫模型，經(jīng)過訓(xùn)練的隱馬爾可夫模型被用來將以前未見過的試驗(yàn)分為“成功”和“不成功”。機(jī)器人反復(fù)完成兩個(gè)動(dòng)作：拾取任務(wù)和挖掘任務(wù)，拾取作業(yè)過程機(jī)器人的運(yùn)動(dòng)軌跡如圖2所示。在這個(gè)任務(wù)中，機(jī)器人從物體上方開始，打開它的末端夾持器，向下移動(dòng)，使物體在夾持器的手指之間，合上夾持器，然后返回到起始位置。操縱的對(duì)象是一個(gè)軟墻門，這是一個(gè)半球體制成的柔性聚合物，之所以選擇這個(gè)對(duì)象，是因?yàn)樗�很難被拾取，從而確保了成功和失敗的拾取嘗試之間的良好平衡。如果機(jī)器人沒有撿起物體，或者在返回起始位置之前將物體掉落，則視為失敗。第二個(gè)任務(wù)是挖掘任務(wù)，它是模仿Chu等人設(shè)計(jì)的任務(wù)之一。在這個(gè)任務(wù)中，機(jī)器人拿著一個(gè)勺子，沿著預(yù)先設(shè)定的軌道移動(dòng)，從一個(gè)盒子里舀意大利面，如圖2所示。在這個(gè)任務(wù)中，機(jī)器人用一個(gè)夾爪抓住鏟子，然而當(dāng)機(jī)器人足夠用力地抓住鏟子時(shí)，NumaTac和BioTac的壓力讀數(shù)都飽和了，這樣它就不會(huì)在機(jī)器人的手上繞著連接機(jī)器人兩根手指的軸旋轉(zhuǎn)。為了解決這個(gè)問題，我們?cè)跈C(jī)器人的手上加了一個(gè)“第三根手指”來穩(wěn)定鏟子，可能出現(xiàn)的故障類型有：（1）鏟子撞到箱底，機(jī)器人的關(guān)節(jié)承受了過大的扭矩，導(dǎo)致緊急停車；（2）鏟子在機(jī)器人手中滑動(dòng)；（3）不舀意大利面，失敗是由機(jī)器人手中鏟子的位置和盒子里意大利面分布的變化引起的。

通過結(jié)果分析發(fā)現(xiàn)拾取任務(wù)的分類性能通常優(yōu)于挖掘任務(wù)的分類性能，可能這是由于拾取任務(wù)的失敗模式(拾取失敗或掉落)比挖掘任務(wù)的不同失敗模式(機(jī)器人攤牌、鏟斗滑落、機(jī)器人無法鏟起意大利面)產(chǎn)生更多相似的觸覺特征。選擇任務(wù)的分類性能也可能更高，這是因?yàn)樵谶@個(gè)任務(wù)中，機(jī)器人的手直接操作任務(wù)對(duì)象，而在挖掘任務(wù)中，機(jī)器人使用手持工具(鏟子)來拿起意大利面。

研究者們未來將采用不同的機(jī)器學(xué)習(xí)分類技術(shù)是否能更好的幫助機(jī)器人判斷自己是否完成了任務(wù)。同時(shí)計(jì)劃研究?jī)H使用部分任務(wù)軌跡的分類性能，使機(jī)器人能夠識(shí)別正在進(jìn)行的任務(wù)何時(shí)可能失敗并糾正其動(dòng)作，并將在更廣泛的任務(wù)集上驗(yàn)證。