为提升AR/VR交互的自然感，Meta为Quest头显加入手势识别技术，希望通过五指的自然输入来代替手柄。这样做不仅能提升AR/VR的沉浸感，对于新用户也更友好。尽管如此，基于光学的手势识别方案通常难以识别手指触碰虚拟物体时，产生的细微压力变化。因此，对准确性要求极高的工业、企业VR培训场景通常会用触觉手套来追踪手势。

实际上，现有的触觉手套方案难以规模化，依然受到成本、耐用性、使用门槛、体积和重量等因素限制。而为了解决这一问题，Meta的AI科研人员与卡内基梅隆大学合作，研发并开源了全新的触觉感知AI“皮肤”ReSkin。据悉，ReSkin的特点是方便替换、低成本、场景通用、耐用，厚度仅2到3毫米。

除了ReSkin的设计方案外，科研人员还公布了相关论文、代码和基础模型，通过提供一系列触觉数据，帮助其他科研人员加速AI算法的训练过程。

Meta表示：触觉是人们感知世界的重要方式，我们可以通过触觉来感知物体的重量、材质（软、硬）、结构等特征。此外，我们也通过触觉来完成穿鞋、做饭等一系列日常活动。而对于AI、机器人来讲，目前在视觉、听觉方面的识别效果比触觉更加成熟。

而市面上用来训练AI的触觉感知数据有限，限制了相关的技术发展。因此Meta面向主要面向科研人员开源ReSkin，目的是帮助科研人员快速、大规模深化AI的触觉感知能力，并收集更丰富的AI触觉感知数据。

纽约大学计算机科学助教LerrelPinto表示：机器人学科的一项关键技术瓶颈，就是需要寻找性能稳定的触觉感知方案。现有的传感器不是成本太高，就是分辨率太低，而定制的机器人结构通常比较笨重。而ReSkin将有望解决上述部分问题，比如由于其外形轻薄，容易与抓取式机器手集成。

总体来讲，ReSkin从三大方面解决了上述问题：

• 1）ReSkin基于电磁传感，这意味着信号传输无需通过电线，使用近距离的磁力计即可。此外，ReSkin的结构将内部电路与被动的无源接口分开，因此替换磨损的部分更方便，比普通的柔性传感器效率更高。

• 2）ReSkin并非基于单一传感器，它可以利用多个传感器提供的数据，来提升AI模型的环境测绘功能。因此，科研人员用高度多样性的数据来训练ReSkin的模型，以提升输出数据的效率和通用性。

• 3）经过自我监督式学习，ReSkin的传感器可以根据少量未标记数据，来进行自动微调。因此校正过程更方便。科研人员表示：ReSkin可以根据未标记数据中的相对位置来进行微调，原理是在三个接触点中距离最接近的两点，可能会用于相似的触觉信号。

低成本、耐用：制造一百件的成本为每件6美元以下，产量越高成本还将越低。另一方面，ReSkin也足够耐用，支持5万次以上交互，而且采样率最高可达400Hz，误差仅1毫米，准确率90%。磨损达到一定程度后，也可以轻松更换。

科研人员表示：耐用、低成本的柔性传感器形态，使得ReSkin成为机器手、触觉手套、宠物鞋垫的理想材质。也就是说，配备ReSkin的这些设备，可以帮助科研人员手机触觉数据，用来培训AI模型。而在此之前，采集相关数据很难，甚至不可能。

此外，还测试用机器人抓手来抓取蓝莓、葡萄等易变形的物体，并对比使用ReSkin和使用自带力传感器的区别，发现利用ReSkin动态识别触觉后，可有效避免抓力过大造成物体变性能。此外，在替换新的柔性传感器后，ReSkin方案无需额外的调整即可立即使用，效果足够稳定。

同时，ReSkin也可以用于野外测试场景，其紧凑的设计意味着足够便携，因此可以作为小狗的鞋底，追踪小狗在野外行走、跑步、休息时的运动数据。

还可以实时测试细微的触觉力反馈，比如可以将ReSkin集成在手套上，追踪用手包包子的力量变化，效果足够好。

而为了测试ReSkin规模化的效果，科研人员将8个传感模组连接在一起，发现增加传感器可增加追踪区域，可识别手指在传感器任意区域施加的压力。也就是说，未来可以用ReSkin传感器覆盖整个手套，用于提升机器人或体感手套的触觉感知能力。

接下来，除了ReSkin方案Meta还将开源相关的生态系统，包括高分辨率触觉硬件DIGIT、触觉模拟器TACTO、测试基准PyTouch和数据集。这样做的目的是，鼓励其他科研人员以此为基础在不同的场景中训练AI对触觉的感知能力，进一步推动AI技术发展。而纽约大学Pinto的团队也将继续探索ReSkin在实验室机器人上的应用。参考：FB