皮肤软件测试-皮肤测试app软件

机器人的应用越来越广泛，正在走进医院、商场、家庭、办公室……其中许多机器人专门设计用于与人类互动和协作，帮助人类完成实际的体力任务。

为了提高移动机器人在交互式和手动任务上的性能，机器人专家需要确保他们能够有效地感知环境中的刺激。近年来，许多工程师和材料科学家因此一直在尝试开发可以人工复制人类生物感觉过程的系统。

威尼斯 Ca' Foscari 大学、罗马 Sapienza 大学和意大利其他研究所的研究人员最近使用了人造皮肤和深度学习技术，可用于提高现有和新开发的触觉能力机器人复制所谓的鲁菲尼氏受体（ Ruffini ）的功能。

鲁菲尼氏受体

鲁菲尼氏受体，一种本体感觉器、触觉感受器，位于人类皮肤真皮内皮肤软件测试，负责感受机械性刺激，也称鲁菲尼氏小体(Ruffini ending)，或鲁菲尼氏末端。呈长梭形，被膜松弛，位于真皮内，属于本体感觉器，是一种慢适应感受器。

他们在Nature Machine Intelligence上发表的一篇论文中介绍了他们的方法，它复制了位于人类真皮表层（即皮下皮肤组织）上的一类细胞的功能，即 Ruffini 受体。

Ruffini 受体，是一种小型且适应缓慢的细胞，可以检测皮肤的拉伸，以及低频振动、温暖和压力。它们是皮肤受体的四种主要类型之一皮肤软件测试，与默克尔细胞、帕西尼亚小体和迈斯纳小体一起。

为了复制 Ruffini 末端的功能，研究人员使用了柔软、弯曲的大面积人造皮肤，包括 8 毫米厚的可拉伸聚合物层，其中集成了 430 毫米长的光纤。人造皮肤是使用 3D 打印技术创建的。

使用人造皮肤的机械臂

“仿生皮肤由柔软的聚合物基质组成，类似于人类前臂，嵌入了光子光纤布拉格光栅换能器，它部分地模仿了 Ruffini 机械感受器的功能，具有漫反射、重叠的感受野，”研究人员Luca Massari 和他的同事在他们的论文中解释道。

为了处理和理解他们创建的人造皮肤接收到的信号，研究人员开发了一种基于多层卷积神经网络 (CNN)的深度学习模型。该算法经过训练以估计施加到人造皮肤表面的力，并估计机器人接触某物的点。

研究人员在他们的论文中写道：“实施了基于 CNN 的深度学习算法和多网格神经元集成过程来解码光纤布拉格光栅传感器输出，以推断接触力大小和通过皮肤表面的定位。”

研究人员在一系列模拟和测试中评估了他们的人造皮肤系统。他们发现它取得了非常有希望的结果，有效地预测了施加在人造皮肤上的力和施加位置。

研究人员写道：“力和定位预测的中值误差分别为 35 mN（四分位距 56 mN）和 3.2 mm（四分位距 2.3 mm）。” “具有拟人化手臂的演示为基于人工智能的集成皮肤铺平了道路，从而通过机器智能实现安全的人机合作。”

未来，这组研究人员创建的系统可以在各种人形机器人上实施，因为构成皮肤的模块化贴片理论上应该适合不同的架构和形状。因此，在接下来的研究中，Luca Massari 和他的同事计划测试他们的方法在多大程度上可以应用于其他系统。