IT之家 1 月 16 日訊息，據中國科學院上海微系統與資訊科技研究所訊息，由地震、滑坡、塌方等掩埋事故造成的視覺感知障礙對受困人員的搜尋和定位造成阻礙。
為了確保最佳救援時機，提升搜救成功率和生還率，依託國家科技創新 2030“新一代人工智慧”重大專案，針對極端環境無視覺輸入情況下對受困人員的識別與救援需求，中國科學院上海微系統與資訊科技研究所研究員陶虎團隊受自然界星鼻鼴鼠“觸嗅融合”感知啟發，將 MEMS 嗅覺、觸覺柔性感測器陣列與多模態機器學習演算法融合，構建了仿星鼻鼴鼠觸嗅一體智慧機械手（如圖）。
▲ 用於應急救援掩埋場景的觸嗅一體仿生智慧機械手
據介紹，得益於矽基 MEMS 氣體感測器（靈敏度超越人類 1 個數量級）、壓力感測器（探測限超越人類 1 個數量級）的優異效能，該機械手手指觸控物體後可準確獲取其區域性微形貌、材質硬度和整體輪廓等關鍵特徵，掌心可同步嗅出物體“指紋”氣味，進一步透過仿生觸嗅聯覺 （BOT） 機器學習神經網路實時處理，最終完成識別人體、確認部位、判斷掩埋狀態、移開障礙物、閉環救援。
IT之家瞭解到，上海微系統所科研人員與應急管理部上海消防研究所合作，透過到一線消防救援單位實地調研，真實還原構建了人體被瓦礫石堆覆蓋的掩埋場景，在此環境下對包括人體在內的 11 種典型物體進行識別，觸嗅聯覺識別準確率達 96。9%，較單一感覺提升了 15%。
相較麻省理工學院發表於 Nature（DOI：10。1038 / s41586-019-1234-z）的單一觸覺（548 個感測器）感知研究，該工作透過觸（70 個）、嗅（6 個）聯覺，僅使用 1/7 數量的感測器，達到了更理想的識別目的，並且縮小後的感測器規模和樣本量更適合複雜環境、資源有限條件下的快速反應和應用。此外，面對在實際救援中常見的存在干擾氣體或器件部分損壞等情況，透過多模態感知的互補和神經網路的快速調節，該系統仍保持良好的準確率（>80%）。
相關研究成果以 A star-nose-like tactile-olfactory bionic sensing array for robust object recognition in non-visual environments 為題，於 2022 年 1 月 10 日發表在 Nature Communications 上。
