想象一个机器人就像是在试图搭建积木塔的笨拙幼儿的世界。它们有眼睛（摄像头）和大脑（人工智能），可以理解像“拿起红色积木”这样的指令。但问题在于，眼睛无法感知触觉。如果积木很滑，或者机器人的抓握力太重压碎了积木，或者积木开始滑动，机器人的眼睛可能直到为时已晚才会察觉。这就是在“灵巧操作”（dexterous manipulation）中面临的大问题——这是一个描述机器人使用双手完成精细、依赖触觉任务的专业术语。科学家们一直试图赋予机器人触觉，但这非常棘手。仅仅给机器人的大脑增加一个“感觉”传感器通常是不够的，因为机器人需要预测下一步会发生什么，并立即调整抓握力度，而不是在东西掉落后才做出反应。

这就是名为 ReTouch 的新理念发挥作用的地方。你可以把它想象成不仅给了机器人一种触觉，还给了它一种“第六感”，让它能够预判下一秒手指的感觉，并在现实情况与预测不符时立即修正自己的判断。研究人员构建了一个系统，将触觉视为机器人手部与其大脑之间一场生动的、呼吸着的对话。ReTouch 不仅仅是观察一张手握物体的图片，它将每根手指的感觉分解成微小的、具体的“补丁”（patches），就像一张高分辨率的压力地图。然后，它会在机器人移动时不断更新这张地图，如果物体滑动或位移，它会实时修正其预测。结果是？一个机器人可以比以往更好地处理复杂的、依赖触觉的工作——比如按下移液器上的按钮或擦拭白板——即使在情况出错时也是如此。

问题所在：眼睛无法感知，且预测会过时

机器人正变得越来越擅长遵循指令。如果你告诉机器人“拿起杯子”，它的摄像头会看到杯子，大脑会计算如何移动机械臂。但一旦机器人的手指真正接触到杯子，情况就变得复杂了。杯子是滑的吗？它在滑动吗？机器人捏得太重了吗？摄像头无法看到接触点发生的无形力量。

科学家们曾尝试通过给机器人的手指配备“触觉传感器”（触觉传感器）来解决这个问题。有些机器人只是观察触觉数据并做出反应，就像反射一样。另一些机器人则试图预测未来的触觉。但这些系统的工作方式存在缺陷。想象你在接一个球。你预测了一秒钟后球的位置。但如果风向变了，或者球旋转得很奇怪，你的预测就会出错。如果你在伸手接球的过程中不更新你的预测，你可能会错过。

本文指出，许多目前的机器人系统都犯了这个错误。它们在动作开始时对手指的感觉做一个预测，然后就坚持执行那个计划，即使物体开始滑动也不管。等到机器人意识到物体正在移动时，已经太晚了。预测已经“过时”了。

解决方案：ReTouch 与“补丁”系统

研究人员引入了 ReTouch，这是一个通过实现两个主要功能来解决问题的系统：更好地组织触觉数据并不断更新其预测。

1. 触觉补丁编码器：手指地图
首先，ReTouch 改变了机器人“读取”其触觉传感器的方式。大多数机器人只是将所有的触觉数据丢进一个大而混乱的堆里。然而，ReTouch 将每根手指视为一张微型地图。它将每个手指的表面划分为五个特定的“补丁”（例如指尖、中心、基部、左侧和右侧）。

这就像一张天气图。天气图不仅仅是说“在下雨”，它还会告诉你具体哪里在下雨以及雨有多大。ReTouch 对触觉也做了同样的处理。它告诉机器人：“你食指的尖端压力很大，但中指的侧面几乎没碰到。”这有助于机器人进行微小的、精确的调整，就像人类在抓握一颗光滑的葡萄而不将其捏碎时那样。

2. “预见”与“后见”专家
第二部分，也是最重要的一部分，是 ReTouch 如何预测未来。该系统使用两个“专家”（AI 模型）来学习触觉：

• 后见专家（The Hindsight Expert）： 这是老师。在训练期间，它观察实际的未来触觉数据（真实发生了什么）以学习机器人应该预测的内容。
• 预见专家（The Foresight Expert）： 这是学生。它尝试根据当前看到的内容来预测未来的触觉。

这里有一个神奇的技巧：预见专家并不仅仅做一个预测然后就固守不变。它以极快的速度运行（每秒 36 次）。每当它获得来自机器人手指的新触觉数据时，它都会说：“等等，我的预测有点偏差。让我更新一下！”然后它利用这个新鲜的、更新后的预测来修正机器人的下一个动作。

这就像玩电子游戏，你可以暂停，观察敌人的新位置，然后立即改变策略。如果物体滑动了，机器人不会等待下一个“回合”；它会立即重新计算抓握力并挽救物体。

他们的发现：不会掉东西的机器人

为了测试这一点，研究人员制造了一个真实的机器人手（称为 XHand），并将其连接到机器人臂（UR7e）上，创建了一个新的数据集，称为 XHT-Dataset。他们记录了 900 次机器人执行七种不同复杂任务的真实世界演示，例如：

• 按下移液器上的按钮。
• 抓取不同重量的水瓶。
• 用海绵擦拭白板。
• 打开存放烧杯的柜子抽屉。

他们将 ReTouch 与其他智能机器人系统进行了对比。结果令人印象深刻。在正常条件下，ReTouch 的成功率比排名第二的机器人高出 18.4%。在“挑战性”条件下（即机器人必须处理光滑物体、不同高度，甚至有人拉走物体时），ReTouch 的成功率高出 23.8%。

例如，在“液体转移”任务（将水从一个容器移动到另一个容器）中，ReTouch 比最优秀的竞争对手好 19%。在“海绵擦拭”任务中，它比后者好 25%。论文指出，这些巨大的进步是因为 ReTouch 能够处理“富接触”任务——即那些机器人需要不断接触、滑动并适应物体的任务。

为什么这很重要

论文表明，赋予机器人触觉不仅仅是添加传感器；更在于机器人如何使用这些信息。如果机器人只是对触觉做出反应，它就太慢了。如果它预测未来但不对预测进行更新，它就会感到困惑。ReTouch 证明了处理精细、重触觉任务的最佳方式是同时进行预测和持续修正。

研究人员发现，这种“在线细化”（在移动过程中更新预测）是关键。当他们测试一个做出预测且不进行更新的机器人版本时，成功率显著下降。这表明，对于机器人要真正掌握手术、烹饪或组装电子产品等任务，它们需要能够“感知”未来，并在现实发生变化时瞬间改变主意。ReTouch 是迈向赋予机器人那种灵巧性的重要一步。