用机器手进行垃圾分类准确率达94%，这是清华大学精密仪器系朱荣教授课题组的成果，其核心不在于上述机器手，而在于机器手上搭载的四重触觉传感器。
朱荣告诉 DeepTech，该成果的原理是一种基于热感应的多维传感新机理，利用热敏膜和外界的传导/对流换热对自身电阻的调控实现了压力、温度、流场、热物性等参数的集成测量。
研究中的传感器，采用类皮肤的多层结构、具备多功能感知能力，可以感知材料的导热率，也能在测量接触压力的同时去感知物体温度和环境温度。
四重触觉传感器
常规的触摸识别技术往往只是利用压力感知，而该传感器可将压力感知与热物性等多模信息进行融合，从而大幅提高物品识别准确率，比如可将基于单模压力感知的 69% 识别率，提高到基于多模触觉感知的 96% 识别率。
当把传感器搭载到机器手上，并结合触觉感知信息和机器学习之后，机器手就能精确识别不同形状、大小和材料的物品，其中对于七类垃圾物品实现了高准确识别，其识别率可达 94%。
相关论文以《多维触觉传感器助力机器手物体识别》“Skin-inspired quadruple tactile sensors integrated on a robot hand enable object recognition”为题，发表在 Science Robotics 上。
数据显示，识别七种垃圾的总分类准确率达到 94% 左右，这表明使用多感官机器手对垃圾进行分类是可行的，如果能和相应城市的垃圾分类结合起来，前景十分乐观，有望让人工保洁员告别繁琐的分类。
