新加坡國立大學（NUS）的研究人員利用英特爾的神經形態芯片Loihi，開發出了一種人造皮膚，使機器人能夠以比人類感覺神經系統快1000倍的速度檢測觸覺。該系統還可以以比眨眼快10倍的速度識別物體的形狀、質地和硬度。研究人員認為，這項工作可以改善人機交互，使護理機器人和自動化機器人手術等更為可行。
在研究中，NUS研究團隊首先訓練一個裝有人造皮膚的機械手來閱讀盲文，機械手將觸覺數據傳遞給Loihi，由Loihi進行翻譯，準確率超過92％，并且功耗比標準Von Neumann（馮·諾依曼）處理器低20倍。
在這項工作的基礎上，新加坡國立大學團隊通過將視覺和觸覺數據結合到脈沖神經網絡（SNN）中，進一步提高了機器人的感知能力。為此，他們讓一個機器人利用來自人造皮膚和基于事件的相機的感官輸入，對裝有不同量液體的各種不透明容器進行分類。研究人員也使用了相同的觸覺和視覺傳感器，來測試感知系統識別旋轉滑移的能力，這對于穩定抓握至關重要。將觸覺和視覺數據結合在一起，訓練機械手使用人造皮膚和圖像采集設備對容器進行分類，并將數據發送到GPU和Loihi，演示了通過尖峰神經網絡將基于事件的視覺和觸摸相結合，使該系統比單獨使用視覺數據的準確性提高了10％。
研究人員還發現，Loihi處理傳感數據的速度比性能最佳的GPU高21％，而功耗卻降低了45倍。研究人員在近日的《機器人學：科學與系統（Robotics: Science andSystems）》上發表了他們的發現。新加坡國立大學計算學院計算機科學系的助理教授Harold Soh表示：“我們對這些研究結果感到興奮。這表明神經擬態系統有希望結合多傳感器，解決機器人感知能力難題。這讓我們朝著制造節能而且值得信賴的機器人又邁出了一步，這種機器人能夠在意外情況下迅速、恰當地做出反應。”
新型智能抓取機器人，結合深度學習方法，賦予機器人主動探索感知的能力，解決了Affordance Map缺陷，提高了機器人在復雜環境下的抓取成功率
宋云峰博士分享了LDV激光測振及3D視覺傳感技術在智能機器人中的應用，主要介紹了智能機器人光學感知技術、LDV激光測振及3D視覺傳感技術原理及產品介紹、應用案例分享等內容
環境感知技術：機器人感知環境及自身狀態的窗口、運動控制技術：定位導航與運動協調控制、人機交互技術：人機有效溝通的橋梁
由于軟體材料的發展，靈巧手也開始柔軟起來，如柏林工業大學研制的軟體、欠驅動、柔性多指靈巧手、康奈爾大學研制的軟體多指靈巧手、北京航空航天大學研制的軟體多指靈巧手
假肢需要直接的人類互動來發揮功能，而機器人手腕則完全是主動的,假腕還包括外部可調節功能，如可調節摩擦或鎖定；機器人手腕的任何調整通常都是在控制系統內完成的
具有相同數量自由度的設備之間進行比較時，串行機構往往比并行機構更長，對于串行機構，運動范圍和扭矩規格通常簡單地由執行機構的選擇和基本形狀幾何決定
3自由度人工手腕在某些方面優于人類的手腕，如運動范圍或扭矩輸出。盡管一些假肢在設計中加入了3自由度手腕，但串行3自由度手腕設備在機器人應用中更普遍
2自由度腕部由一個與旋轉器串聯的屈肌單元組成，形成一個U型關節。其中一種設備是OBRoboWrist ，它可以同時鎖住前旋和屈曲，當解鎖時，還可以通過轉動手腕上的項圈來調節運動產生摩擦阻力
旋轉器用于使終端設備沿前臂的縱向放出或滾動，而屈肌使終端設備彎曲或俯仰, OB棘輪式旋轉手腕，被動腕部裝置的鎖定也可以通過使用不可反向驅動的機構來實現
假肢腕設計的有效基準能夠做3自由度運動，即旋前/旋后、屈伸和橈側/尺側偏移,未受影響的腕關節，其最大活動范圍通常在76度/85度
德國伯恩大學計算機學院研制的遙操作輪腿復合的移動操作機器人可通過遠程操作平臺完成各種復雜操作任務
中科院沈陽自動化所的Wang利用深度強化學習算法和視覺感知相結合的方法來完成移動機器人在非結構環境下的移動操作
