出于多种原因，触摸传感器一直很难集成到机器人手指中，但是哥伦比亚大学的研究人员认为，他们已经开发出了一种在复杂的多曲面上具有高度精确触摸感的机器人手指。

用于设计具有触摸传感器的机械手指的当前技术面临多个障碍。这些功能包括覆盖多曲面的能力，较高的线数或难以安装在小指尖的能力，从而防止在灵巧的手中使用中国机械网okmao.com。为了克服这些问题，哥伦比亚研究人员采用了另一种方法：使用来自光发射器和接收器的重叠信号，该信号嵌入在覆盖手指功能区域的透明波导层中。

机械工程和计算机科学系副教授Matei Ciocarlie表示：“独立的触觉传感器和完全集成的触觉手指之间一直存在着差距-触觉传感在机器人操纵中仍远远没有普及。” Ciocarlie与电气工程教授Ioannis（John）Kymissis共同领导了这项工作。他们的研究在线发表  在机电一体化的IEEE / ASME交易中，展示了基础技术的两个方面，这些方面相结合以实现新的结果。

通过测量每个发射器和接收器之间的光传输，研究人员证明了获得非常丰富的信号数据集的能力，该信号集会随着手指由于触摸而变形而发生变化。然后，他们证明了纯数据驱动的深度学习方法可以从数据中提取有用的信息，包括接触位置和施加的法向力，而无需分析模型。

他们的最终结果是使用易于使用的制造方法制造的，完全集成的，具有传感功能的机器人手指，线数少，并且易于集成到灵巧的手中。

在该项目中，研究人员使用光线来感应触摸。在“皮肤”下，他们的手指上有一层由透明硅树脂制成的材料，他们在其中发光了30多个LED。手指还具有30多个光电二极管，可测量周围光线的反射。每当手指触摸到某物时，其皮肤就会变形，从而导致光线在下面的透明层中四处移动。

通过测量从每个LED到每个二极管的光量，研究人员最终获得了近1,000个信号，每个信号都包含有关所进行的接触的一些信息。由于光还可以在弯曲的空间中反弹，因此这些信号可以覆盖复杂的3D形状，例如指尖。

该团队还设计了该数据，以供机器学习算法处理。部分重叠的信号产生的数据过于复杂，无法被人解释。当前的机器学习技术可以学习提取研究人员关心的信息：在哪里触摸手指，什么在触摸手指，施加了多少力等。

“我们的结果表明，深度神经网络可以非常高精度地提取此信息，” Kymissis说。“我们的设备从一开始就是真正设计成可与AI算法结合使用的触觉手指。”

该团队建立了手指，因此可以将它和其他手指放在机器人手上。将系统集成到手上很容易。该技术使手指能够收集近1,000个信号，但只需要一根14线电缆将其连接到手，就不需要复杂的外接电子设备。在实验室中，研究人员已经有两只灵巧的手（能够抓握和操纵物体）用这些手指装备-一只手有三个手指，另一只手有四个手指。在接下来的几个月中，研究小组将根据触觉和本体感受数据，使用这些手来尝试证明其灵巧的操作能力。

Ciocarlie补充说：“在制造和物流等领域，现在需要进行机器人操纵，从长远来看，它是在其他领域（例如医疗保健或服务领域）启用个人机器人协助所需要的技术之一。”