2. 机器人感知基础

机器人要在真实环境中完成抓取、装配、巡检或人机协作，首先必须“知道自己周围发生了什么、自己与物体如何接触”。这就是机器人感知系统的根本任务：把物理世界中的光、力、形变、温度、距离等信号，转换为可计算、可决策、可控制的数据表示。视觉感知擅长远距离、非接触地获取场景结构与物体位姿，触觉感知擅长近距离、接触式地获取力、形变、滑移与材质信息。两者互补，构成视觉触觉融合感知的基础。

一、机器人感知系统的组成

从信息流角度看，一个完整的机器人感知系统通常由四个层次构成：传感层负责物理量到电信号的转换；采集与调理层完成放大、滤波、模数转换与时间同步；计算与融合层进行标定、特征提取、状态估计与多模态融合；决策与执行层把感知结果送入规划控制，形成闭环。传感器不是孤立器件，而是与机械结构、坐标系、时钟和算力共同构成系统。

在工程中，感知系统还必须回答三个问题：测什么（目标物理量）、在哪测（安装位置与坐标系）、何时测（采样频率与同步方式）。例如机械臂腕部相机与指尖触觉传感器若时间戳不同步，融合时就会出现“看到的位置”和“摸到的位置”不一致。

二、视觉感知的基本原理

视觉感知的核心是“成像—标定—重建—理解”。相机通过镜头把三维场景投影到二维像平面，形成像素亮度或颜色。单目相机丢失深度，但可通过运动、阴影、纹理和先验模型推断；双目相机利用视差计算深度；结构光与飞行时间（ToF）主动发射光并测量相位或飞行时间，直接获得深度图。

视觉处理链路通常包括：去畸变、感兴趣区域提取、特征检测与匹配、位姿估计、目标检测与分割。对于抓取任务，常用流程是：先由RGB-D相机获得彩色图与深度图，再通过点云分割得到目标物体，最后用ICP或PnP估计物体六自由度位姿。视觉的优点是信息密度高、作用距离远、可同时感知多个物体；缺点是受光照、遮挡、反光、透明材质影响大，且难以直接感知接触力。

三、触觉感知的基本原理

触觉感知的核心是“接触—传力—形变—电信号”。当机器人指尖与物体接触时，接触面产生法向力、切向力、力矩和微小形变。触觉传感器把这些机械量转换为电阻、电容、压电、光学或磁信号的变化。常见类型包括：压阻式、电容式、压电式、光学式、磁性式和气压式。

触觉感知不仅能测力的大小，还能判断接触位置、接触面积、滑动趋势和材质粗糙度。例如，当抓取易碎物体时，触觉阵列可检测压力分布是否均匀；当物体开始滑移时，切向力与振动信号会发生变化，控制器可及时增大夹持力。触觉的优点是直接、局部、抗光照干扰；缺点是作用范围小、易受磨损、布线复杂，且难以在接触前预知物体形状。

四、常见传感器类型与性能指标

视觉传感器主要包括单目相机、双目相机、RGB-D相机、激光雷达和事件相机。触觉传感器主要包括压阻阵列、电容阵列、压电薄膜、光学触觉皮肤和六维力/力矩传感器。选型时不能只看“精度”，还要看量程、带宽、延迟、漂移、温漂、寿命和接口。

五、案例：视觉引导 + 触觉校正的抓取流程

以“抓取未知物体”为例：第一步，RGB-D相机拍摄工作台，分割出目标物体并估计初始位姿；第二步，机械臂运动到预抓取位姿，夹爪缓慢闭合；第三步，指尖触觉阵列检测接触力分布，若压力偏斜则微调夹爪姿态；第四步，六维力传感器监测切向力，若出现滑移趋势则增大夹持力；第五步，触觉确认稳定后抬起物体。这个流程体现了视觉“找得到”、触觉“抓得稳”的分工。

# 伪代码：视觉引导 + 触觉校正
pose = vision.estimate_pose(rgb, depth)
move_to(pregrasp_pose(pose))
close_gripper_until_contact()
while not stable_contact():
    force_map = tactile.read_array()
    adjust_gripper_pose(force_map)
    if force_sensor.detect_slip():
        increase_grip_force()
confirm_grasp()
lift_object()

六、常见误区与复盘

• 只看分辨率，不看延迟：高分辨率相机若帧率低、传输慢，闭环控制会滞后。
• 忽略标定与坐标系：视觉与触觉不在同一坐标系，融合结果必然错位。
• 把触觉当“开关”：触觉阵列能提供压力分布和滑移趋势，不只是“碰到没有”。
• 忽视环境干扰：光照变化、温漂、电磁干扰都会让传感器输出漂移。
• 不做时间同步：多传感器融合必须统一时间戳，否则状态估计失真。

掌握机器人感知系统的组成、视觉与触觉的基本原理以及常见传感器指标，是后续学习视觉触觉融合算法、标定方法和抓取控制策略的前提。只有把物理信号、数据表示和任务需求三者对齐，才能设计出真正可靠的机器人感知系统。