![]()
https://www.nature.com/articles/s41467-024-45059-8#ref-CR47
近期麻省理工学院计算机科学与人工智能实验室(CSAIL）的研究人员，通过对触觉交互进行深入探索，推出了一款创新的自适应智能手套。这款手套融合了先进的智能传感技术和触觉反馈机制，能够精确捕获、复制并转发基于触摸的指令。
为了增强可穿戴设备的功能性，研究团队还设计了一个简洁的机器学习算法，该算法能够适应不同用户对触觉反馈的个别反应，进而为他们提供定制化的体验。这一新系统开辟了多种应用可能，包括教授和提升身体技能、增强机器人的远程操控灵敏度，以及在虚拟现实训练中提供更真实的触觉感知。该研究成果的相关论文以“Adaptive tactile interaction transfer via digitally embroidered smart gloves”为题发表在《Nature Communications》杂志上。据悉，研究团队开发的这款多功能智能手套集成了触觉传感器和振动触觉单元。通过先进的数字机绣技术，这些传感器和执行器被精确地嵌入到织物中，实现了可定制的空间分辨率和布局。手套采用成本低廉的商业材料，在10分钟内即可快速制成，同时保持了纺织品的柔软性、形状稳定性和适应性。带有集成触觉传感器 (ii) 和振动触觉 (iii) 的全尺寸纺织手套 (iv) 采用数字设计振动触觉矩阵提供了高达4cm²的空间分辨率，而触觉传感阵列的空间分辨率则达到了0.25cm²。这款智能手套在耐磨性能上与常规手套相当，并在尺寸、适应性和重量方面具有可比性。数字化的设计和制造过程使得智能手套能够根据个别用户或特定任务的需求，进行快速的模块化设计和定制，包括调整触觉传感器或振动触觉单元的密度、布局和尺寸。
制作智能手套的绣花设计。绣花设计包括(a) 触觉传感器电极，(b) 磁性线圈，(c) 全尺寸手套轮廓。每个点代表一个绣花针脚。单位为毫米。振动触觉单元基于线性谐振执行器的原理，由电磁线圈和可移动的质量组成。具体而言，这一振动触觉单元由两层织物构成：底层绣有漆包铜线圈（32 AWG，绕制5圈），顶层则设有预制的对称圆形狭缝。这些狭缝创造出30°角的对称织物链节，并嵌入永磁体（K&JK&J，N52 NdFeB）。上下两层通过一层薄膜粘合剂牢固结合。当交流脉宽调制（PWM）方波信号传递至绣花线圈时，产生交变磁通量，使得顶层的永磁体产生可感知的力和位移振动。振动频率和振幅受多种因素影响，包括线圈设计、磁铁尺寸以及PWM输入信号的占空比。振动触觉单元的制作则是通过将磁线（BNTECHGO 32 AWG 漆包铜线）作为电磁线圈，以700针/分钟的速度刺绣在织物基底上制成。鉴于铜线硬度较高，其被用作底线，承受较小的应变，确保了整个刺绣过程的稳定性。制作材料。触觉感应阵列由镀银导电线、聚酯线、非织造织物、粘合剂和压电电阻膜组成。振动触觉阵列由搪瓷铜线、聚酯线、粘合剂和非织造织物基材制成。在制作过程中，为了提升智能手套的触觉反馈效果，研究团队对关键设计参数进行了深入探索和微调，以确保性能的最优化。这些参数包括内半径、外半径、线圈节距和针距。经过精确的计算和实验验证，团队根据磁铁（直径6.3mm）和漆包铜线（直径0.2mm）的尺寸，设定了内半径为3mm、外半径为4mm、线圈节距为0.25mm、针距为1mm。这样的调整确保刺绣线圈能够保持最佳张力，从而增强触觉单元的性能。绣制的振动触觉线圈设计。a 在帆布、丝绸、棉布、混合聚酯-棉、聚酯和聚-棉基材上绣制的线圈。b 绣制的线圈具有不同的针脚间距（ps）和线圈间距（pc）。c 绣制的线圈有2、5、10和15圈（外半径分别为3.25、4、5.25和6.5毫米）。d 绣制的线圈阵列具有不同的间距和排列方式。线圈的两端被安排在侧面，以便与驱动板进行电气连接。在制作时，研究团队首先使用激光切割技术对顶部织物进行精确加工，形成预定角度的圆形狭缝。接着，研究人员选择了不同尺寸的商用永磁体（K&J、N52 NdFeB、厚度= 1.6mm），直径分别为3.2mm、6.3mm、12.7mm，并使用一层薄膜粘合剂（3M 468MP）将其牢固地固定在狭缝的中心位置。之后，顶部织物上的永磁体与下方的刺绣线圈矩阵被精确对齐，并用粘合剂固定。本研究中，振动触觉单元采用的是无纺布作为基材，但该制造流程具备良好的通用性，同样适用于其他多种基材。触觉传感单元的构建采纳了一种三明治式的结构设计，核心为夹在两片织物基材之间的压阻层（Velostat）。为了实现这一结构，研究团队首先利用精细的刺绣技术，在不同的织物上分别绣出横向与纵向的电极。这些电极由具有出色导电性的绣花线材（Madeira HC40）制成，其精细的刺绣模式确保了电极的精确布局和优秀电导性能。特制的成型粘合剂被用于固定压阻层并确保电极与其良好接触，以提升传感器的灵敏度和准确性。触觉传感器具备0.35 N/cm²至20 N/cm²的检测范围，并在6 N/cm²压力下，电阻从6降至0.8 kΩ，显示出两个线性传感区域。多个触觉传感器展现了一致性能，证实了标准化设计与制造流程的可靠性。传感器在连续的压力加载和卸载循环中表现出最小滞后，并在2000个循环后保持稳定性能。感应读出和振动触觉驱动电路。a 一种改良的基于电接地隔离电路架构，用于无源感应阵列读出。b 一个基于矩阵的振动触觉驱动电路。c, d 当以顺序和多路复用方式驱动时，相邻触觉单元的振动位移。触觉传感器和振动触觉单元采用基于矩阵的形状因数序列化，有效减少了连接线数量。这种设计不仅简化了电路布局，还通过连接到改进的电接地电路架构来消除串扰和寄生效应。振动触觉单元以矩阵形式排列，每行和每列连接到由两个N型MOSFET串联组成的半H桥，实现多路复用激活。这种配置允许振动强度和频率的完全编程控制，其中振动位移的方向和磁通量的极性由流经线圈的电流方向决定，该方向受H桥开关的控制。振动强度则取决于传递到线圈的平均电压和电流，并通过PWM调控。实验证明，在顺序或交替激活时，三个相邻的振动触觉单元能够产生一致且干扰最小的振动位移。智能手套研发完成后，研究小组招募了10位年龄在26至32岁之间的志愿者（包括4位女性）进行用户体验研究。研究首先考察了参与者对不同输入条件下的振动触觉反馈的敏感度，包括交流幅度和频率的变化。具体地，研究涉及了在100 Hz频率下，不同脉宽调制（PWM）占空比（100%、40%、20%、10%、5%）以及不同频率（f = 250 Hz时，100%、50%、25%、12.5%、5%的频率）的输入调制。参与者被要求根据他们感受到的振动幅度给出定量的评价。所有参与者均为右撇子，并且以随机的顺序，将不同的交流输入连续施加到参与者左手食指的指尖，直至他们完成相应的定量评分。下图揭示了他们对感知幅度的评估结果，从中可以看出，总体上，输入幅度越大且频率为100 Hz时，用户对触觉反馈的感知更为强烈。在该项测试中，研究还进一步地探讨了用户是否能够识别触觉反馈在手上的具体位置，以及他们是否能够辨别激活的时间模式。在佩戴装有23个分布在手内侧的刺绣触觉单元的手套的实验中，参与者能够准确识别出被激活的振动触觉单元（100 Hz下的完整PWM占空比），平均准确率达到94%。同时，用户还能够辨认出振动触觉单元激活的时间模式，平均准确率为92%。用户感知的一致性与相邻振动触觉干扰。当没有干扰以及单个单元持续振动作为干扰时，用户以相似的准确性分类振动触觉刺激位置。误差条表示测量结果的标准偏差（SD）。值得注意的是，即使在持续振动的触觉单元存在干扰的情况下，用户的辨别能力并未受到影响。这些发现表明，通过集成触觉感应与振动触觉功能的基于纺织品的系统，有望高效传递空间和时间信息，并实现物理触觉交互。触觉对于完成精密操作至关重要。然而，当手部被手套等遮挡时，触觉感知可能严重受阻，这一问题在宇航员和技术人员穿着厚重的防护手套执行危险任务时尤为突出。借助开发的智能手套，研究人员提出了将触觉从手套外部转移到内表面接触皮肤的区域，以恢复外部环境的触觉感知、实现精细操作的新奇设想。集成了触觉传感与振动触觉功能的智能手套，内嵌有23个传感器，并连接到处理动物时使用的厚防护手套。配套的手套内置23个振动单元，位置对应传感器，并插入传感防护手套内。整个系统能捕获外部触觉交互，并实时通过内部手套传递给用户的皮肤。在评估该系统时，参与者需识别触觉执行器激活或未激活时的接触力位置。结果显示，开启触觉反馈时，用户的识别准确度为88.6 ± 2.62%，而关闭触觉反馈时准确度仅为5.7 ± 4.4%。这一结果验证展示了使用集成触觉功能的智能手套传输触觉的潜力，有助于在需要防护手套的情境中减轻触觉遮挡。通过使用集成了传感和振动单元的智能手套，能够捕获单个用户的实时触觉交互，并将其复制并传输给另一个用户。例如，在钢琴教学中，老师演奏某种节奏并捕捉触觉序列，然后学生通过触觉手套重现老师的演奏。为了评估迁移效率，研究团队测量了学生的演奏与教师原演奏之间的差异，并为此开发了一个自适应人体模型，它结合了正向动力学模拟和逆向触觉优化，以定制个性化的振动触觉指令。这一管道不仅模拟用户对触觉输入的反应，还通过优化算法调整触觉输出，以最小化与目标触觉序列之间的误差。同时，研究人员进一步引入了一个自适应模块，无需繁琐的校准流程即可适应不同用户。该模块生成代表用户特定特征（如反应速度和手指灵敏度）的潜在特征向量，使得触觉指令能更贴切地匹配个人用户。通过将这种自适应学习和优化流程应用于多种场景，包括钢琴演奏、节奏游戏和赛车游戏，研究人员发现，当提供经优化的触觉指令时，用户能够更准确地按照目标触觉序列进行操作。尤其在简单任务中，无论是否优化，用户的表现相当；但在难度较高的任务中，优化触觉指导显著提升了用户的操作水平。特别是在节奏游戏等时间敏感的任务中，未经优化的触觉指令可能会造成用户的困扰，而优化后的触觉指令则有效提高了用户在复杂关卡中的表现。在人机交互领域，物理触觉共享对于实现顺畅的协作和远程操作极为关键，特别是在视觉信息受限的实际场景中。研究团队开发的基于纺织品的智能手套，通过集成先进的触觉传感和振动反馈技术，能够实时传递机器人抓手与物体间的物理交互信息至操作者手中。这一创新显著提升了对易碎或柔软物体进行远程精细操控的能力。在该测试中，研究团队对UR5机械臂搭载的Robotiq夹爪进行了改造，安装了由织物构成的触觉传感阵列，每个夹爪上布置了三个感应区域。实验参与者配备了专门设计的触觉手套，该手套在拇指和食指位置集成了振动触觉单元。为了精确控制机器人夹具的动作，手套上还绣有彩色定位点，利用摄像头实时追踪这些标记点，系统能够估计出用户手指间的相对距离，并据此控制机器人夹具的动作。在实验评估环节中，参与者被要求远程操控以抓取各种柔软物品，包括热狗面包和汉堡面包等。结果表明，在有清晰的视觉反馈的情况下，无论是否提供触觉反馈，参与者通常能够有效地完成抓取任务。然而，一旦视觉信息受到干扰或变得不清晰，实时的触觉反馈就显得尤为关键，因为它能显著提升远程抓取的性能。在没有视觉和触觉反馈的情形下，用户难以精确判断抓握力度，往往会过度施压，导致物体受损。相比之下，当手套提供触觉反馈时，哪怕在失去视觉信息的情况下，用户也能借助振动反馈来准确控制夹具，实现几乎完美的抓握，并保持物体的原始形态。
