机器人与触觉传感技术的碰撞，一文初探人类与机器人的触觉传感(7)

2.3 控制层（Action）
最后，我们从控制层的角度讨论触觉传感技术在机器人中的应用。丰富的触觉信息能够为执行触觉相关任务提供多种可能性，包括：触觉探索、抓取、手部操作、移动、工具操作、人机交互和无意识操作等[3]。
[触觉探索（Tactile Exploration）]
触觉探索是一种通过触觉提取未知物体属性的有效方法。人类通过多种探索方法来获得关于物体的知识，例如侧向运动、压力、封闭、轮廓跟踪、物体部分运动测试和启示性测试等。受到这些人类行为的启发，研究人员开发了多种基于触觉的探索方法用以估计机器人的控制参数，包括物体表面几何结构、材料属性、形状等。
触觉传感在机器人触觉探索中的另一个代表性应用是触觉伺服控制（Tactile servoing control），即通过单个或多个接触区域内得到的物体相关信息以确定期望的机器人与物体的接触模式（接触模式是指接触位置和力）。例如，可以使用触觉阵列通过执行滑动和滚动动作来探索物体的表面特征，从而通过最小化触觉模式的偏差来控制动作。这种方法也可用于控制机器人手进行探索，控制器利用手部多个接触区域，探索未知物体的表面，提高机器人的抓取能力。
[无意识操作（Nonprehensile Manipulation）]
无意识操作主要是指在没有明确抓取任务的情况下机器人与物体之间的交互。这种类型的操作包括推、戳、打、钩、旋转、翻转、投掷、挤压、旋转和打击等。无意识操作中的触觉感知通常用于对接触过程进行建模，并提供低水平的反馈控制，以及监控动作状态和估计物体属性等。
[抓取（Grasping）]
抓取是机器人操作中研究最广泛的一个方面，它为机器人提供了对被抓取物体的控制能力，是机器人使用工具的一个常见先决条件。与触觉探索相似，触觉抓取是提取物体属性的重要方法。触觉感知也被用于分析型抓取控制器、数据驱动抓取合成、抓取结果检测和重抓取等控制器中。分析型抓取控制器依赖于准确的接触位置、法向和力估计来计算最大化抓取质量指标的抓取姿势。而在数据驱动的方法中，机器人使用先前抓取的接触和物体信息来预测抓取质量并计算重抓取的姿势。一旦抓住了物体，触觉反馈可用于控制接触力并检测初始滑动。通过使用触觉数据检测或预测初始滑动，机器人可以自动增加抓地力以避免较大的滑动，而无需明确估计物体 - 手指摩擦系数。