触觉传感器和电子皮肤是为机器人提供物理交互感的常见设备，但当用于机器人的大面积覆盖时，它们会变得复杂且昂贵。德国宇航中心近期发表的Science Robotics研究工作，使用内部高分辨率关节力扭矩传感器，在机械臂中实现了固有的全身触觉。深度学习技术和人工神经网络使机器人能够感知施加在其表面任何地方的力的位置、方向和大小。机器人可以识别字符并做出反应，例如在其表面绘制的数字，以及虚拟按钮或滑块，为用户提供了一种与机器人交互的直观方式。

https://www.science.org/doi/10.1126/scirobotics.adn4008创新点：提出了一种不依赖于外部触觉传感器或人工皮肤的机器人触觉感知方法。利用高分辨率的关节力-扭矩传感器的冗余配置，使机器人能够敏感地感知其周围环境。通过流形学习和人工神经网络的结合，机器人能够识别和解释触摸轨迹作为机器可读的字母、符号或数字。

技术方案：使用了一种基于动量的监控方法，通过集成的力-扭矩传感器来估计外部作用力和扭矩。利用流形学习技术将触摸轨迹从三维空间中的曲面展开到二维平面上，以消除机器人表面曲率的影响。采用旋转等变卷积神经网络（RICNN）对展开后的触摸轨迹进行分类和识别，实现了对触摸输入的文本解释。实验结果：机器人能够实时准确地检测和定位触摸轨迹，并将其解释为具体的命令或意图。通过实验验证了该技术在不同机器人配置和用户视角下的有效性，实现了对数字和字母的高准确率识别。展示了所谓的“虚拟按钮”概念，允许用户在机器人表面任意位置创建可编程的交互按钮，用于触发预设的任务或功能。通过一系列实验，包括在机器人表面书写数字和字母，以及使用虚拟按钮来控制机器人的运动和任务执行。论文提出的技术为机器人与人类之间的直观、灵活的交互提供了新的可能性，并为未来人机协作领域开辟了新的研究方向。