修车师傅贴了个小麦克风，机器人也学会了“贴着听”

路边修车角落里，师傅盯着飞快转的轮子调碟刹。看着不蹭，可一丝擦到就有很轻的“嘶”。他把一个小小的接触麦克风用胶带贴在工具上，再顶住车架录视频。眼睛看手怎么动，贴着听才知道金属真碰上没。

机器人干活也常卡在这种“看着没事”的瞬间。镜头能看到位置，却不一定知道刚开始接触了没有，是在滑还是在卡，表面是软还是涩，杯子里是不是还有东西。像修刹车那声“嘶”，贴着物体传出来的震动声能补上盲点。

后来有人想把这只“贴着听的耳朵”给机器人用，但先从更省事的路走。先不让机器人上场，直接用人手演示很多次。他们改了一个手持夹爪的指尖，把接触麦克风藏在一条防滑胶带下面，再把声音直接接进运动相机。这样一份普通文件里，画面和刮擦声能对得很齐。

等把同一个夹爪装到机械臂上，麻烦就来了。电机自己会嗡嗡响，还会带来一些人手演示里没有的磕碰声。更要命的是，声音和画面会差一点点时间，差不多四分之一秒。要是对不齐，机器人听到“碰到”时，动作早就过去了。

他们让机器人练习时故意把环境弄“脏”一点。把各种背景声、还有单独录的电机噪声混进去，免得只会听安静房间。然后不把声音当成音量大小，而是先做成一张随时间变化的“声音图”，让程序去找那些短促的擦、点、滑的纹路。画面加上接触声，一起变成连续的小动作选择：往哪挪、怎么转、夹多紧。

效果像那位师傅贴麦克风一样直观。翻面包圈时，关键不是看见面包圈，而是听到铲子插进去和贴着滑动的声音，成功率从大约四分之一升到九成左右。擦白板时，镜头不太分得出压得够不够，接触声能帮着稳住力度。倒水时，杯子空不空看起来一样，先轻轻晃一晃，震动声就把隐藏状态说出来。魔术贴两面长得像，贴着划一下，震动纹路不同，房间里用普通麦克风反而不灵。

新鲜的地方不在一只多贵的“新手”，而在一只便宜的“新耳朵”，还有一套更像现实的教法。先在各种地方录下人手怎么干活，让画面和接触声绑在一起，再想办法让机器人在电机噪声里也能听清接触。它也不是万能，有些摩擦太轻，电机也可能盖住细声。但就像修刹车那一下“嘶”，一旦能贴着听，很多犹豫的瞬间就能更果断地动手。