如果機器人能長出一隻貓的爪子、一條章魚的觸手，甚至是大象的鼻子，它們的觸覺會是什麼樣子？它們能用這些仿生結構感知物體的紋理、力度和滑動，像生物一樣自適應地與環境互動嗎？
這聽起來像科幻，但一個名為simtac的模擬平台正把它變成現實，近日，倫敦國王學院、北京理工大學、倫敦大學學院和葡萄牙inesc tec研究所的團隊在期刊《cyborg and bionic systems》上發表論文，提出了一個能夠模擬任意形狀視覺觸覺感測器的物理模擬框架。
它讓機器人觸覺感測器第一次可以「長成」任何生物形態，並在虛擬世界中提前感知它們的觸覺體驗，這種方法可以將觸覺系統的設計和訓練時間大幅縮短。
01.
觸覺感測器的「形體危機」
「雖然人腦天生就知道抓取草莓和棒球棒之間的區別，並施加不同的力度，但機器人卻不具備這種能力。」論文作者、倫敦國王學院機器人與人工智慧教授shan luo說，「這導致機器人在處理各種複雜形狀時遇到困難。」
生物的觸覺與形態密不可分：人類手指有柔軟的指腹和關節，貓的爪子有彈性肉墊，章魚觸手布滿吸盤，大象鼻尖有兩根指狀突起能捏夾持和抓取各種物體。這些複雜結構賦予了它們與環境交互的非凡能力。
反觀機器人領域，主流的視覺觸覺感測器，將相機藏在軟膠皮下，通過拍攝接觸變形來感知觸覺。絕大多數只有兩種形狀：平面方塊或半球。即便有少數手指形狀的感測器，也往往需要反覆試錯、多次硬體迭代才能勉強工作。
為什麼？因為複雜曲面帶來的挑戰太大了。
與簡單幾何形狀不同，自然和有機形態具有更複雜的幾何結構，使得感測器在接觸物體時產生的形變難以建模和估計。更麻煩的是，要在這些曲面內部集成攝像頭和led燈，還要保證光線路徑可控、接觸區域成像清晰，幾乎是不可能完成的任務。
而基於學習的機器人感知方法又需要海量數據，靠真實感測器一個一個採集，成本高、周期長，感測器磨損了都未必夠。
02.
simtac：讓觸覺感測器「任意生長」
面對這些難題，研究團隊給出的答案是：simtac，一個基於物理的視覺觸覺感測器模擬器。它的核心目標只有一個，讓觸覺感測器可以擁有任意複雜的仿生形態，並在虛擬世界中精確模擬其觸覺響應，進而把設計和迭代從物理世界搬進數字世界。
simtac由三大模塊構成，分別解決了「任意曲面」下的三個核心難題，形成一個完整的模擬閉環。
第一，粒子形變模擬。他們把感測器的軟膠皮離散成無數個粒子，每個粒子都帶有質量、動量、應力等物理屬性。當物體接觸時，採用「物質點法」迭代計算每個粒子的運動。這樣一來，不管感測器是彎曲的象鼻、有肉墊的貓爪，還是帶吸盤的章魚觸手，都能準確模擬變形。
第二，光場渲染。simtac提前計算兩種光場，沿直線傳播的線性光場和沿曲面傳播的非線性光場，再結合馮氏光照模型（phong's model）實時渲染出觸覺圖像。結果很顯然：模擬圖像與真實圖像幾乎無法區分。
第三，神經網路力預測。光有圖像不夠，機器人還需要知道接觸力的分布。用傳統的有限元法（fem）算力，網格一密就慢得無法實時。simtac的解決方案是：讓mpm算變形，把變形數據餵給「稀疏張量網路」（stn），網路輸出與fem精度相當但速度快得多的力場。
這三塊拼起來，simtac做的不是換個形狀接著仿，而是把任意形狀這件事，從不可能變成了可能。
通過 simtac 連接生物和人工觸覺感測
03.
從象鼻到貓爪：模擬和現實對上了
simtac最直觀的展示，是它能模擬什麼樣的形狀。研究團隊一口氣展示了四種生物形態的感測器。
人類手指：高曲率、全方位感知表面，已有geltip感測器作為實例；
貓爪：帶有肉墊結構的複雜曲面；
章魚觸手：柔軟、帶吸盤的管狀結構；
象鼻：尖端有兩個「手指」狀突起，能捏取物體。
他們甚至真的按照模擬設計，製作了一個象鼻形狀的觸覺感測器。流程是這樣的：先在simtac里設計硅膠膜、指定led和攝像頭參數、定義驅動面和接觸條件，然後生成觸覺反饋圖像。接著，按照模擬參數去3d列印模具、澆築硅膠、塗反射層、裝配，一個仿生象鼻觸覺感測器就這樣從虛擬世界「走」了出來。
對比模擬和真實的觸覺反饋：物體接觸時，變形區域的光影變化、象鼻「手指」閉合時的主動變形過程，兩者高度一致。simtac甚至能模擬感測器在執行抓取動作時的主動形變，這是以往模擬工具從未做到的。
04.
虛擬數據，解決真實世界的難題
能做新奇形狀固然好，但模擬更務實的價值是：生成訓練數據，然後遷移到真實任務中。研究團隊在手指形狀的geltip感測器上，測試了三個典型的觸覺感知任務：
任務一：物體形狀分類。
用模擬圖像訓練resnet50模型，然後零樣本遷移到真實感測器。sim2real準確率97.0%，只比sim2sim（100%）低三個百分點。誤分類主要發生在形狀相似的物體上，比如平板壓頭和輕微曲面，廣角鏡頭造成的畸變讓它們看起來更接近。
任務二：滑移檢測。
輸入8幀連續的觸覺圖像，判斷物體是否在滑動。滑動的關鍵特徵是：物體輪廓在動，但感測器表面的標記點幾乎靜止。sim2real準確率92.06%。這個任務在真實世界做代價挺大，滑動的物體可能會刮傷感測器那層薄薄的反光膜。
任務三：接觸安全評估。
用觸覺圖像預測安全係數。sim2real的平均絕對誤差0.105。誤差來源很真實：3d列印的真實物體有模擬里沒有的表面紋理；壓深增加時圖像整體變暗；部分接觸超出相機視野。
基於觸覺的 sim2real 任務性能評估
這些任務之所以能用模擬數據做，前提是simtac把「任意形狀下的觸覺信號」算準了。先有精準的模擬，才有可信的遷移。
05.
未來：機器人觸覺，從「形似」走向「神似」
simtac的出現，填補了一個明顯但長期被忽視的空白：視覺觸覺感測器的仿生形態設計工具。
過去二十年，觸覺感測器從單點、陣列進化到視覺式、高解析度；形狀從方塊、半球進化到手指形。但再往前，章魚觸手、象鼻、貓爪，缺乏設計工具和數據生成手段，進化不動了。
simtac的邏輯是: 藉助模擬預先對複雜形狀感測器進行建模，渲染和力學預測，避免在現實環境中試錯，從而縮短設計周期。在這個框架里「長」出想要的形態，看它如何感知世界，然後拿去真實世界製造。
「這極大地拓展了設計空間，並能讓我們以極短的時間創造出實體觸覺機器人。」張旭陽說。
當然，它還有局限：神經網路的訓練依賴fem真值數據，對於全新形狀的感測器，高網格密度的數據收集仍需要幾天時間。團隊下一步計劃是優化數據收集效率，並向驅動器模擬、複雜動態接觸擴展。未來的工作將集中於製造完全仿生觸覺機器人，並在當前研究中展示的擴展設計和訓練框架的基礎上進行發展。
當機器人的皮膚可以長成任何形狀，它們的感知和交互能力將迎來一次重要的拓展。未來的機器人，或許真的能像生物一樣，用自己的「皮膚」去感受這個世界。
論文鏈接：https://spj.science.org/doi/10.34133/cbsystems.0510
項目主頁：https://xuyangzhang0223.github.io/simtac/
