吳明宜臉書母公司 Meta Platform 目前正在訓練一款具備 2 種感測器，以便未來生產有觸感的 AI 機器人。
這兩種感測器分別是高解析度手指感測器，名為 DIGIT，以及可替換式的薄皮表層，稱為 ReSkin，可幫助 AI 機器人辨識物體觸感、重量、溫度及狀態等。
根據 Meta AI 研究人員 Robert Calandra 及 Mike Lambeta 指出，這計畫主旨在利用「觸覺感知」來訓練機器人從他們接觸的事物蒐集更多重要資訊，之後整合其他資訊執行更複雜的任務。
觸覺感知目的在把人類的觸覺複製在機器人身上，使 AI 可以「學習並使用觸覺，並連結其他感測模態，如視覺和聽覺。」另一個好處是具觸覺感知能力的機器人在處理其他物體或物件時，也會更輕柔、更謹慎。
要實現這個目的，研究人員必須先在機器人身上加上能蒐集碰觸到的物件資訊。他們希望觸覺感知硬體模擬人類手指的眾多屬性，要能耐得住重覆接觸表面的摩擦、必須具備高解析度能測量物體豐富資訊，像是表面特徵、接觸力度及其他和「觸覺」有關的屬性。
Meta 2020 年已經將 DIGIT 設計藍圖開放出來，當時臉書表示很容易開發、低成本、穩定、堅固而高解析度。 DIGIT 已獲得學校和研究實驗室的廣泛採用，現在 Meta 希望能 DIGIT 能和一家名為 GelSight Inc 的新創公司合作，可將感測器商用化，廣泛用於研究人員以加速創新。
至於 ReSkin 則是全新的感測器，好比一層機器人用人工皮。
ReSkin 等泛用型觸覺感知皮膚可提供豐富的接觸資料，可提升各種任務的 AI 能力，像是物體分類、本體感覺 (proprioception) 或機器人抓握等，Meta AI 研究人員 Abhinav Gupta 和 Tess Hellebrekers 指出。「具備觸覺感知技能的 AI 模型可以執行許多任務，包括需要高度靈敏度的工作，像是在醫療環境，或是操作小型、柔軟或敏感物件的環境。」
ReSkin 優點是生產成本不貴，Meta 宣稱 100 組成本不到 6 美元，生產更多單價還會更便宜。 ReSkin 厚僅 2 、 3 毫米，可耐用 5 萬次接觸互動，而且時間解析率達 400Hz，毫米 (mm) 空間解析精準度則高達 90% 。
這種精準度使其具備多種應用，像是機器人手、觸感手套、袖套或甚至寵物狗鞋等，因此它可協助研究人員蒐集以前蒐不來的多種觸覺資料。此外，ReSkin 還提供高頻 3 軸觸覺訊號，可執行靈巧的操作動作，如丟、抓、拍手、滑等。
而為了協助觸覺感知研究人員，Meta 還開發了一個模擬器稱為 TACTO，可以在沒有硬體情況下實驗。 TACTO 可以以每秒數百框格的速度展現 (render) 高解析度觸覺資料，幫助研究人員模擬出基於視覺的觸覺感測器 (vision-based tactile sensor)，如 DIGIT 。它也可化身不同 form factor 加在不同型態機器人身上。
除了有感測資料外，研究人員還需要能處理資料、分析出洞見。 Meta 很慷慨地提供機器學習模型庫，稱為 PyTouch，可將原始感測器資料轉譯成高階資訊，例如它能偵測滑落或辨識出感測器碰到的物體材質。
研究人員也可利用 PyTouch 來訓練不同感測器的多種模型，使它們能具備偵測滑落、碰觸的能力，評估物件（如人）姿態。
此外，PyTouch 也可以整合到真正感測器或 Meta 的觸覺感知模擬器，以快速驗證模型及 Sim2Real 的能力，將模擬訓練出來的概念轉化成實際應用。
最後 Meta 希望 PyTouch 可讓研究人員使用專為觸覺感知而設計的「進階機器學習模型即服務」。這樣一來，他們可使用 DIGIT 感測器、下載預訓練的模型，然後以此為建構元件打造機器人應用。
不過 Meta 表示，這些都還有長路要走，Calandra 和 Lambeta 說明，要生產具備人類觸感的機器人，還需要更多硬體，像是溫度感測器。他們也得更了解特定任務的最重要觸覺為何，以及處理觸覺資訊的正確機器學習計算結構。
觸覺感知的研究有助於推進 AI，幫助研究人員製造智慧型機器人，也能開拓 AR/VR 的可能性，並加速製造、醫療及農業機器人的創新。