用機器手進行垃圾分類準確率達94%，這是清華大學精密儀器系朱榮教授課題組的成果，其核心不在于上述機器手，而在于機器手上搭載的四重觸覺傳感器。
朱榮告訴 DeepTech，該成果的原理是一種基于熱感應的多維傳感新機理，利用熱敏膜和外界的傳導/對流換熱對自身電阻的調控實現了壓力、溫度、流場、熱物性等參數的集成測量。
研究中的傳感器，采用類皮膚的多層結構、具備多功能感知能力，可以感知材料的導熱率，也能在測量接觸壓力的同時去感知物體溫度和環境溫度。
四重觸覺傳感器
常規的觸摸識別技術往往只是利用壓力感知，而該傳感器可將壓力感知與熱物性等多模信息進行融合，從而大幅提高物品識別準確率，比如可將基于單模壓力感知的 69% 識別率，提高到基于多模觸覺感知的 96% 識別率。
當把傳感器搭載到機器手上，并結合觸覺感知信息和機器學習之后，機器手就能精確識別不同形狀、大小和材料的物品，其中對于七類垃圾物品實現了高準確識別，其識別率可達 94%。
相關論文以《多維觸覺傳感器助力機器手物體識別》“Skin-inspired quadruple tactile sensors integrated on a robot hand enable object recognition”為題，發表在 Science Robotics 上。
數據顯示，識別七種垃圾的總分類準確率達到 94% 左右，這表明使用多感官機器手對垃圾進行分類是可行的，如果能和相應城市的垃圾分類結合起來，前景十分樂觀，有望讓人工保潔員告別繁瑣的分類。
