據(jù)2010年美國非收容機(jī)構(gòu)調(diào)查，美國人口中有5670萬人(18.7%)患有殘疾。其中，約1230萬人需要一項(xiàng)或多項(xiàng)日常生活活動(ADLs)或工具性日常生活活動的幫助。這些活動的關(guān)鍵是喂養(yǎng)，這對護(hù)理者來說是很費(fèi)時(shí)的，對于接受護(hù)理的人來說，也是充滿挑戰(zhàn)的[1]。雖然在[2]-[5]市場上有幾個自動喂食系統(tǒng)，但由于它們使用的自主性很小，食品制備過程或預(yù)切包裝食品很耗時(shí)間，因此缺乏廣泛的接受度。隨著人口老齡化，尤其此次疫情凸顯的醫(yī)護(hù)力量不足問題，對喂食機(jī)器人有了更為迫切的需求。我們通過分享近期在IEEE ROBOTICS AND AUTOMATION LETTERS上發(fā)表的“TowardsRobotic Feeding: Role of Haptics in Fork-Based Food Manipulation”論文，來一起了解喂食機(jī)器人的研究情況。

機(jī)器人在自動喂食操作中需要適應(yīng)各種不同材料、大小和形狀的食品。為了解人類在進(jìn)食過程中是如何操作食物的，并探索如何使他們的策略適應(yīng)機(jī)器人，研究者們收集了大量豐富的人類食物操縱策略數(shù)據(jù)集，通過對人類獲取不同食物并將其放在假人的嘴附近進(jìn)行研究(圖1)。其次，研究者們分析實(shí)驗(yàn)來建立食物操作的分類，組織叉子和食物之間復(fù)雜的相互作用來完成一個喂食任務(wù)。在食物處理過程中，基于觸覺和運(yùn)動信號的食物分類是有益的而不是僅基于視覺的分類[6]–[8]，因?yàn)橐曈X上相似的物品可能有不同的依從性，因此需要不同的控制策略。最后我們通過分析機(jī)器人固定位置控制策略的性能，強(qiáng)調(diào)了柔順性控制策略的重要性。

研究者們構(gòu)建了一個專門的測試平臺(圖2)來捕捉喂食任務(wù)期間的動作和扳手位置。他們在餐叉上安裝了一個六軸力/力矩傳感器來測量在食物操作過程中力情況，安裝視覺標(biāo)記來確定位置。為了收集豐富的運(yùn)動數(shù)據(jù)，在一個專門設(shè)計(jì)的平臺上安裝了6臺Optitrack Flex13[10]運(yùn)動捕捉相機(jī)，工作區(qū)全覆蓋，以每秒120幀（FPS）的速度對Forque進(jìn)行完整6自由度運(yùn)動捕捉。研究者們選擇了12種食物，并根據(jù)它們的依從性將它們分為四類：硬皮、硬、中、軟。分別準(zhǔn)備了三種:硬皮-甜椒、櫻桃番茄、葡萄；硬-胡蘿卜，芹菜，蘋果；中-哈密瓜，西瓜，草莓；軟-香蕉，黑莓，雞蛋。圖2(c)顯示了提供給受試者的典型食物。

喂食是一項(xiàng)復(fù)雜的任務(wù)，創(chuàng)建用于進(jìn)食的操作行為分類有助于系統(tǒng)地將其分類為子任務(wù)。通過細(xì)分，研究者們可以更好地了解人們在此任務(wù)的不同階段使用的不同策略。通過將喂食任務(wù)分為四個主要階段:1)休息，2)方法，3)獲取咬痕，4)運(yùn)輸，研究者們制定了與喂食任務(wù)相關(guān)的操作策略的部分分類法(圖3)。

受試者使用不同的力量和動作來獲得不同的食物。因此，機(jī)器人可以基于任務(wù)分類來選擇其操縱策略，并學(xué)會像人類一樣控制。研究者們使用演示編程技術(shù)[11]對機(jī)器人進(jìn)行編程，通過人工演示保存了手臂的一系列路徑點(diǎn)(關(guān)節(jié)配置)。在每次試驗(yàn)中，機(jī)器人都會使用垂直的打叉動作從盤上的預(yù)定位置拾取食物。每次試驗(yàn)結(jié)束后，我們都把串起來的食物丟掉，并從盤子中手動將另一種食物放在該位置，以進(jìn)行下一次試驗(yàn)。研究者還比較了人類和機(jī)器人的咬取成功率。受試者發(fā)現(xiàn)獲取硬皮食物是最困難的，而采用具有位置控制方案的機(jī)器人在獲取硬皮食物和軟皮食物時(shí)都很困難。對于機(jī)器人實(shí)驗(yàn)中，發(fā)現(xiàn)硬類和軟類以及中類和軟類的成功率有顯著差異。研究者們進(jìn)行了兩項(xiàng)額外的分析來調(diào)查速度對不同操作策略和不同食物種類選擇的影響。另外，咬合的時(shí)機(jī)是喂食的另一個重要因素。正確的咀嚼時(shí)間取決于不同的因素。

觸覺在食品操作中的作用研究較少，因此，該文的重點(diǎn)之一是分析觸覺形態(tài)的作用。僅僅依靠視覺方式可能會導(dǎo)致操作策略選擇不理想，觸覺可以通過識別食品類別從而減少選擇操縱策略的不確定性[9]。利用視覺來選擇與食物相關(guān)的前叉接觸角度，然后在出現(xiàn)異常或不確定的情況下，利用觸覺模式來改進(jìn)其咬取動作。

未來的自主機(jī)器人系統(tǒng)將使用更多人類示教數(shù)據(jù)和視觸覺融合方法來設(shè)計(jì)各種操作策略，提供更好地喂食服務(wù)。