エレクトロニクス：スケーラブルな触覚手袋を用いたヒトの把持の特徴の学習
Nature 569, 7758 doi: 10.1038/s41586-019-1234-z
ヒトは、さまざまな物体を触り、重さを推定してつかむと同時に、適度な力を加えながら材料特性を推測することができる。この一連の動作は、現代のロボットには困難なタスクである。感覚フィードバックを行いヒトの把持の器用さを可能にする機械受容器ネットワークは、ロボットではまだ再現が難しい。豊富な視覚データと新たな機械学習ツールによって、コンピュータービジョンに基づくロボットの把持戦略が大きく進歩したが、ヒトが物体をつかむ際に頼っている触覚情報の使用を探る同等の感知プラットフォームや大規模データセットはまだない。ヒトが物体をつかむ仕組みを研究することによって、視覚に基づくロボットの物体ハンドリングが補完されるだろう。重要なのは、触覚信号の記録や解析ができないことが、現在ヒトの把持自体における触覚情報の役割の理解を制限していることである。例えば、ヒトがどのように触覚マップを用いて物体を識別し、その特性を推測しているのかは分かっていない。今回我々は、スケーラブルな触覚手袋と深層畳み込みニューラルネットワークを用いて、手全体に均一に分布したセンサーを使って個々の物体を識別し、その重さを推定し、物体把持中に現れる典型的な触覚パターンを調べられることを示す。548個のセンサーからなるこのセンサーアレイは、ニット手袋の表面に取り付けられており、受動的に探査される導電性糸状電極のネットワークでつながれたピエゾ抵抗膜で構成されている。我々は、安価（約10ドル）でスケーラブルな触覚手袋センサーアレイを用いて、異なる26個の物体と相互作用しながら、それぞれが手全体をカバーする13万5000フレームの大規模触覚データセットを記録した。こうしたさまざまな物体との一連の相互作用によって、物体操作時におけるヒトの手の異なる領域間の主要な対応関係が明らかになった。従って、自然の機械受容器ネットワークに類似した人工ネットワークというレンズを通して、ヒトの把持行動における触覚の特徴から得られた知見は、将来の人工装具、ロボットの把持ツール、ヒト–ロボット相互作用の設計に役立つ可能性がある。
