根据马姆斯咨询公司（Mamms Consulting）的说法，麻省理工学院计算机科学与人工智能实验室（MIT-CSAIL）的研究人员最近开发了一种低成本的传感器手套，旨在使人工智能能够“塑造”人体模型。人类如何通过触摸来识别物体。它被称为可伸缩的TActile手套（STAG），它使用550个微小的压力传感器来生成可用于创建改进的机械手的图案。人类非常擅长通过触摸来弄清什么是物体（例如，在黑暗中摸索眼镜或手机）。工程师希望机器人也可以模仿这种能力。一种方法是收集尽可能多的有关人类通过触摸实际识别方式的信息。原因是，如果有足够大的数据库，则可以将机器学习用于分析，不仅可以推断人的手如何识别事物，而且可以估算其重量，这对于机器人和假肢来说很困难。麻省理工学院正在通过配备有550个压力传感器的低成本针织手套来收集这些数据。手套被连接到计算机，计算机收集数据，并且压力测量结果被转换成视频“触觉图”。并输入到卷积神经网络（CNN）中。网络可以对图像进行分类，找到特定的压力模式，并将其与特定的对象进行匹配。该团队从26个常见对象（如饮料罐，剪刀，网球，勺子，笔和杯子）中收集了135,000个视频帧。然后，神经网络将半随机帧与特定的收缩点进行匹配，直到构建出完整的物体图片为止，这与人们通过在手中滚动物体来识别物体的方式非常相似。通过使用半随机图像，可以将相关的图像簇提供给网络，因此不会在无关数据上浪费时间。 “我们希望最大程度地利用框架之间的差异，并为我们的网络提供最佳输入。” CSAIL博士后Petr Kellnhofer说。 “单个群集中的所有帧都应具有相似的签名。这些签名代表类似的抓取对象的方式。从多个群集中进行采样可模拟人类在交互式尝试探索对象时如何找到不同的抓取方法。该系统目前为。识别物体的准确性为76％，这也可以帮助研究人员了解手如何抓握和操纵它们。为了估算重量，研究人员还编制了一个单独的数据库，该数据库包含11,600帧，显示在跌落之前用手指和拇指捡起了物体。可以通过以下方式测量重量：测量握住物体时手周围的压力，然后在跌落后进行比较。该系统的另一个优点是成本和灵敏度。类似的传感器手套价值数千美元，但只有50个传感器。麻省理工学院的手套使用现成的材料，仅售10美元。该研究发表在《自然》杂志上。