如果一个机器人要抓取脆弱的物体，那么这个机器人最好知道这些物体是什么，这样它就可以相应温柔地对待它们。一种新的机器人手使它能够做到这一点，通过沿其三个手指的长度感知物体的形状。
该实验装置由麻省理工学院的一个科学家团队开发，被称为GelSight EndoFlex。正如其名，它采用了该大学的GelSight技术，该技术以前只用于机器人手的指尖垫。
EndoFlex的三个机械指头呈Y字形排列--顶部有两个"手指"，底部有一个可对抗的"拇指"。每一个手指都由一个铰接的硬聚合物骨架组成，它们被包裹在一个柔软而有弹性的外层。GelSight传感器本身--每个数字有两个--位于这些数字的顶部和中间部分的下方。
每个传感器都有一块透明的合成橡胶板，其一侧涂有一层金属漆--这层漆就像手指的皮肤。当涂料被压在一个表面上时，它就会根据该表面的形状而变形。透过橡胶的另一面，即无涂料的一面，一个微小的集成摄像头（在三个彩色LED的帮助下）可以对表面的微小轮廓进行成像，并压入涂料。
连接的计算机上的特殊算法将这些轮廓转化为三维图像，捕捉深度小于1微米、宽度约为2微米的细节。为了使表面的光学质量标准化，涂料是必要的，这样系统就不会被多种颜色或材料所迷惑。
在EndoFlex的案例中，通过一次结合来自六个这样的传感器（三个数字中的每一个都有两个）的图像，就有可能创建一个被抓取物品的三维模型。然后，基于机器学习的软件能够在手只抓了一次物体后，识别该模型代表的物体。在目前的形式下，该系统的准确率约为85%，随着技术的进一步发展未来这一数字应该会有所提高。
机械工程研究生Sandra Liu说："在任何一只手中，拥有软性和刚性元素都是非常重要的，但能够在一个真正的大区域内进行精确传感也是非常重要的，特别是如果我们想考虑做非常复杂的操纵任务，就像我们自己的手能做的那样，"她与本科生Leonardo Zamora Yañez和Edward Adelson教授共同领导这项研究。
"我们这项工作的目标是将使我们人类的手如此出色的所有东西结合到一个机器人手指中，使其能够完成其他机器人手指目前无法完成的任务。"