与人类一样，机器人的触摸传感（Touch Sensing）能够帮助机器人理解现实世界中物体的交互行为，这些行为取决于其重量和刚度，取决于触摸时表面的感觉、接触时的变形情况以及被推动时的移动方式。

作者：仵冀颖来源：机器之心Pro

触摸（Touch）是人类在进行协调交互时的主要方式之一。通过触摸感知到的触觉（Sense of Touch）可以帮助人类评估物体的属性，如大小、形状、质地、温度等。此外，还可以利用触觉来检测物体的滑脱，进而发展人类对身体的认识。触觉将压力、振动、疼痛、温度等多种感觉信息传递给中枢神经系统，帮助人类感知周围环境，避免潜在的伤害。研究表明，与视觉和听觉相比，人类的触觉在处理物体的物质特征和细节形状方面更胜一筹。

与人类一样，机器人的触摸传感（Touch Sensing）能够帮助机器人理解现实世界中物体的交互行为，这些行为取决于其重量和刚度，取决于触摸时表面的感觉、接触时的变形情况以及被推动时的移动方式。只有给机器人也配备先进的触摸传感器 --- 即 “触觉传感（Tactile Sensing）” 系统，才能使其意识到周围的环境，远离潜在的破坏性影响，并为后续的手部操作等任务提供信息。然而，目前大多数机器人交互式技术系统由于缺乏对触觉传感技术的有效应用，其动作不准确、不稳定，交互过程“笨拙”，极大地限制了他们的交互和认知能力。

我们在这篇文章中重点关注人类和机器人的触觉传感问题。首先，我们讨论人类 "触觉" 的生理和编码方式，及其在传递触觉数据等任务中的重要性。然后，在分析人类触觉的基础上探讨机器人 “触觉传感” 系统的构建，特别是触摸感知（Tactile Perception）的方法和应用。最后，具体分析两篇关注在具体应用场景中向机器人引入触觉传感技术的文章。

一、人类「触觉」

首先，我们来分析人类的触觉究竟是什么。人类的 “触觉” 包括两个主要的亚型，即 “皮肤（Cutaneous）” 和“动觉（Kinesthetic）”。两者主要是基于感觉输入的部位来区分的：皮肤感觉接收来自嵌入皮肤的受体的感觉输入，而动觉感觉接收来自肌肉、肌腱和关节内的受体的感觉输入。在这两个亚型的基础上，研究人员区分定义了皮肤（Cutaneous）、动觉（Kinesthetic）和触觉（Haptic）三种感觉系统。其中，皮肤系统包括与刺激物的身体接触，并通过中枢神经系统（central nervous system，CNS）皮肤和相关体感区的受体提供对身体外表面刺激的感知；动觉系统主要来自肌肉、关节和皮肤的传入信息以及大脑可用的肌肉效能的相关联系来提供有关静态和动态身体姿势（头部、躯干、四肢和末端执行器的相对位置）的信息；触觉系统利用的则是来自皮肤和动觉系统的关于物体和事件的重要信息。

人类的触觉通过分布在全身不同密度的大量受体（如压力 / 振动的机械感受器、温度的热感受器和疼痛 / 损伤的痛觉感受器）处理对外部刺激的时空感知。对机械刺激的反应是由植入皮肤不同深度的机械感受器介导的。这些受体的分类、功能和位置如图 1 所示 [1]。这些受体具有不同的感受野（受体反应的身体区域的范围）和不同的适应率。一个快速适应（fast-adapting，FA）受体在第一次被施加刺激时就会立刻产生动作电位的爆发。相反，对于慢适应（slow-adapting，SA）受体来说，在刺激与其感受野接触的整个时期内它都是活跃的状态。对热刺激的反应被认为是由皮肤中单独的“热” 和“冷”的热受体群体介导的。此外，科学家还在体外和体内对人体皮肤样品进行了研究，发现不同受体对外界刺激的反应本质上是热电性和压电性的。

图 1. （a） 无毛皮肤切片，显示各种机械感受器的物理位置和分类；（b） 从指尖到大脑体感区的触觉信号传递；（c） 触觉信号从接触点传递到大脑过程中的功能事件，为了简单起见，信号流是单向的

从皮肤受到刺激的那一刻起直到产生感知，会发生各种复杂的机械、感知和认知现象。图 1 给出了一个事件序列示例。当皮肤与物体接触时，它会与物体表面保持一致，即保持相同的局部轮廓，从而将变形投射到大量的机械感受器（受体的一类）上。因此，每个机械感受器都能表征物体的一小部分，并将时空触觉信息编码为响应于刺激大于阈值时产生的动作电位电压脉冲的峰值。刺激的振幅随后被转换成一系列动作电位，这一步骤类似于用模数转换器将模拟信号数字化和编码过程。

时空限制和对机械刺激的敏感性直接影响人类的物体识别能力和方向敏感性等。皮肤感觉的模式感知能力受到其空间和时间敏感性的限制，因为它们在皮肤处理的早期阶段就通过时空过滤来量化信息的丢失或模糊程度。这种效应可以用来定义机器人触觉传感的 “串扰” 极限。

人类善于通过触摸来识别普通物体，而物体的材料属性、形状等线索识别的结果都是至关重要的。皮肤、动觉都有助于感知这些线索。不过，人类的触觉感知更适合于感知物体的物质属性，而不是感知物体的形状，特别是在当物体较大、超过了手指接触区域大小（7-12 mm）的情况下。不过，对手指接触区域内的物体进行形状（Shape）检测是机械感受器的一项重要功能。

此外，粗糙平滑（roughness-smoothness）是另一个重要的感知维度。神经生理学研究表明，触觉粗糙度知觉是由 SA 传入神经放电的空间变化准确预测的，因此，它是多种触觉要素的函数。

对物体滑脱（Slip）的检测可以看作是皮肤受体对运动的编码。表面和皮肤之间的滑动或相对运动对于感知粗糙度、硬度和形状非常重要。滑脱作为一种误差信号，在人的握力控制中起着重要作用。物体接触表面的触觉反馈会影响对支撑物体的力的感知。除了大小之外，力的方向对于处理形状不规则的物体同时保持所需的方向也是至关重要的。在运动控制中，触觉信息在控制伸手抓握动作的执行中起着重要作用。准确地抓住一个物体不仅需要精确地控制手指肌肉的活动强度，而且还需要精确地控制其在不同抓取阶段的时间进程或持续时间。缺乏触觉感知会延长抓握的手指张开阶段的持续时间，从而削弱抓握的控制。最后，人类通过皮肤这种介质将接触压痕转化为应力 / 应变。人体皮肤具有多层性、非线性、非均匀性和粘弹性，它是一个由肌肉和脂肪组成的可变形系统支撑的复杂结构。不同的皮肤层有不同的刚度。有了这些特性，皮肤力学就在触觉感知中发挥重要作用。

但是，需要指出的是，人是一个完整的、多层次的、综合的系统，“触觉”并不是孤立的。人类感知一个刺激物依赖的是多个感官信息的集合，如触觉、视觉、听觉等。有时，不同感觉方式的输入效果是相互矛盾的，此时，人需要判断这些不同的感觉方式所输入的信号的关系和正确性。而在更多其它的时候，人类的感知是由不同感官输入信号的综合体。即便仅涉及一个单一的输入模态，人类对一个物体的感知也可能是由于它的子模态的综合作用所得到的。多个来源的感官信息的组合与整合能力是实现稳健的人类感知的关键，因为它最大限度地利用了来自不同感官模式的信息，从而提高了感官估计的可靠性。

二、机器人「触觉传感」

对应于人的触觉，机器人的触觉传感（Tactile Sensing）系统就是一种可以通过接触来测量物体给定属性的装置或系统。一般来说，机器人的触觉感知与在预定区域内的力的测量有关。为了改进机器人的应用效果，也应当为机器人配备先进的触觉感知系统，以使其能够感知周围环境，远离潜在的破坏性影响，并为后续任务（如手部操作）提供有效信息。

机器人触觉传感有着众多应用场景：比如在操作任务中，使用触觉信息作为机器人的控制参数，例如，接触点估计信息、表面法向和曲率等；在抓握任务中，通过测量法向静态力来检测物体滑动情况，例如，将接触力的测量值用于辅助抓握力控制，这对于机器人保持稳定抓握至关重要；在机器人的灵巧操作任务中，判断施加操作用力的方向也是至关重要的，例如，通过调节法向力和切向力之间的平衡，能够保证抓握的稳定性。

图 2 给出了一个在指尖、指骨和手掌上配置触觉传感器的机器人手示例[3]。具备高空间和时间分辨率的触觉传感器为手部提供了丰富的触觉信息，进而用于辅助机器人执行复杂任务，例如，探索未知对象、工具使用和手部操作等。

图 2. 阴影灵巧手（左）被触觉皮肤覆盖（中间），以便在多个位置提供触觉信息（右侧渲染图中突出显示的绿色区域）[3]

触觉传感器也可以嵌入机器人的其他身体部位，如手臂、躯干（图 3 中 NAO 机器人示例）、腿和脚。由这些部位反馈的触觉信息与辅助机器人绕行障碍物、完成人机交互和移动等任务密切相关[3]。

图 3. NAO 类人机器人覆盖着一层多模人造机器人皮肤，提供振动、温度、力和接近信息[3]

文献 [2] 引入了触觉传感，结合传统的视觉和听觉，机器人的感知 - 控制 - 行为的架构系统以图 4 的形式展示出。其中，左侧图表示将触觉感知过程被划分为功能块，在不同的层次上描述传感过程、感知和控制行为。图 1 的右侧示出了与这些功能块相对应的硬件的结构块。传感过程（Sensing）将外界刺激（如压力、振动和热刺激）转化为触觉传感器传感元件的变化。利用嵌入式数据处理单元采集、调节和处理这些数据，然后将其传输到更高的感知层（Perception）。感知层的任务是构建用于生成感知交互对象特性（如形状和材料特性）的模型。在感知阶段，触觉还可能还会与视觉和听觉等其他感知方式相融合（Fusion）。最终，在控制层（Action）中机器人根据融合的知识执行控制命令，使用控制器完成动作。

图 4. 机器人触觉传感系统的层次功能（左）和结构（右）框图 [2]

2.1 传感层（Sensing）

传感层是整个触觉传感系统中最底层的处理结构，根据传感过程对应的身体部位，主要划分为以下三类：

单点接触式传感器（类似于单触觉细胞）：这种传感器用于确认物体与传感器的接触，并检测接触点处的力或振动。根据传感方式，单点接触传感器可分为：1）用于测量接触力的力传感器；2）用于测量接触过程中振动的仿生晶须，也称为动态触觉传感器；

高空间分辨率触觉阵列（类似于人类的指尖）：这种类型的触觉传感器是目前触觉传感研究中采用最多的传感器，例如基于光纤的触觉传感元件的触觉阵列、基于 MEMS 气压计的触觉阵列传感器和基于嵌入式相机的指尖传感器等；

大面积触觉传感器（类似于人类手臂、背部和其他身体部位的皮肤）：与指尖触觉传感器不同，这种类型的传感器并不需要强调高空间分辨率的特性。对它们来说，更重要的是足够灵活，以及可以连接到机器人弯曲的身体部位。

2.2 感知层（Perception）

触觉感知（Perception）是指通过解释和表达触觉信息来观察物体特性的过程，也是机器人触觉传感中重点关注的研究内容。由图 2 可知，感知位于传感层之上，为控制层提供有用的、面向任务的信息。与触觉传感器的快速发展相比，对触觉传感器产生信息的理解（触觉感知）发展尚不成熟。目前针对触觉感知的研究主要包括物体识别、形状识别、姿态识别、感知融合等。

[物体识别]

物体表面的材料特性是机器人与周围环境进行有效交互所需要的最重要的信息之一。视觉（Vision）一直是识别物体材料最常用的方法。然而，光凭视觉只能识别出一种已知的表面材料，而不能估计其物理参数。在这方面，必须引入触觉来判断材料特性。辅助触觉物体识别的信息包括物体的表面纹理（Surface texture）、物体刚度（Object stiffness）等。

[形状感知]

形状感知是机器人识别或重建物体形状的能力。在不同的机器人任务中，形状感知的目标不同，例如，捕捉精确的形状，形状元素或整体轮廓分类等。形状感知能力对于机器人执行任务（如抓取和手部操作）的完成效果至关重要。获得的物体形状信息越完整，机器人就越有能力规划和执行抓取轨迹和操纵策略。

经典的形状识别研究主要是基于视觉的方法。然而，当存在遮挡或光照条件较差时，机器人是无法观察到视觉形状特征的。相比之下，触觉物体的形状感知并不受这些因素的影响，可以通过传感器与物体的相互作用来判断物体的细节形状。此外，近年来高性能触觉传感器的大规模量产进一步促进了通过触觉识别物体形状的算法的推广。

形状感知算法主要包括局部形状感知和全局形状感知两类。局部形状感知类似于人类皮肤的触觉感觉，全局形状感知则是皮肤和动觉共同反馈作用的结果，例如对超出指尖范围的轮廓的感知。在一些机器人内置的内部传感器中，例如关节中的本体感受器，常被用来获取手指 / 末端执行器的位置和运动，通过将这些手指 / 末端执行器与局部特征结合起来以识别物体。

[姿态识别]

机器人实现对物体的操纵需要以精确和及时地估计物体的姿态为前提。一般情况下，使用物体（对象）相对于机器人末端效应器或全局坐标系的位置和方向描述其姿态。针对物体位置的估计即使存在很小的误差，也会导致机器人手指在物体上的位置不正确，从而产生关于抓握稳定性的错误假设，并影响操作任务的成功。因此，鲁棒、准确和快速地感知物体的姿态是任何复杂的抓取和操纵系统的关键部分。

机器人学中最常用的估计物体姿态的方法是使用计算机视觉。然而，当机器人接近要操纵的物体时，会存在遮挡的现象，进而影响视觉估计的效果。为了解决这一问题，研究人员通过引入触觉传感系统来帮助机器人确定被触摸物体的姿态。根据传感层输入的不同，姿态识别方法主要包括单点接触式传感器和触觉传感阵列。

[感知融合]

机器人必须配备不同的传感方式，才能在非结构化环境中工作。将这些不同来源的数据融合成更有意义的、更高层次的状态表征也是感知过程的一部分。多个传感器可以提供更及时、成本更低的信息。此外，由于传感器的工作速度不同，可以并行处理它们的信息。

在需要与环境交互来完成的任务中，可以将触觉感知与其他感知方式相结合，以提高任务完成的准确度和鲁棒性。典型的感知融合方式有触觉感知与视觉、动觉线索、力矩和距离感测的结合等等。

2.3 控制层（Action）

最后，我们从控制层的角度讨论触觉传感技术在机器人中的应用。丰富的触觉信息能够为执行触觉相关任务提供多种可能性，包括：触觉探索、抓取、手部操作、移动、工具操作、人机交互和无意识操作等[3]。

[触觉探索（Tactile Exploration）]

触觉探索是一种通过触觉提取未知物体属性的有效方法。人类通过多种探索方法来获得关于物体的知识，例如侧向运动、压力、封闭、轮廓跟踪、物体部分运动测试和启示性测试等。受到这些人类行为的启发，研究人员开发了多种基于触觉的探索方法用以估计机器人的控制参数，包括物体表面几何结构、材料属性、形状等。

触觉传感在机器人触觉探索中的另一个代表性应用是触觉伺服控制（Tactile servoing control），即通过单个或多个接触区域内得到的物体相关信息以确定期望的机器人与物体的接触模式（接触模式是指接触位置和力）。例如，可以使用触觉阵列通过执行滑动和滚动动作来探索物体的表面特征，从而通过最小化触觉模式的偏差来控制动作。这种方法也可用于控制机器人手进行探索，控制器利用手部多个接触区域，探索未知物体的表面，提高机器人的抓取能力。

[无意识操作（Nonprehensile Manipulation）]

无意识操作主要是指在没有明确抓取任务的情况下机器人与物体之间的交互。这种类型的操作包括推、戳、打、钩、旋转、翻转、投掷、挤压、旋转和打击等。无意识操作中的触觉感知通常用于对接触过程进行建模，并提供低水平的反馈控制，以及监控动作状态和估计物体属性等。

[抓取（Grasping）]

抓取是机器人操作中研究最广泛的一个方面，它为机器人提供了对被抓取物体的控制能力，是机器人使用工具的一个常见先决条件。与触觉探索相似，触觉抓取是提取物体属性的重要方法。触觉感知也被用于分析型抓取控制器、数据驱动抓取合成、抓取结果检测和重抓取等控制器中。分析型抓取控制器依赖于准确的接触位置、法向和力估计来计算最大化抓取质量指标的抓取姿势。而在数据驱动的方法中，机器人使用先前抓取的接触和物体信息来预测抓取质量并计算重抓取的姿势。一旦抓住了物体，触觉反馈可用于控制接触力并检测初始滑动。通过使用触觉数据检测或预测初始滑动，机器人可以自动增加抓地力以避免较大的滑动，而无需明确估计物体 - 手指摩擦系数。

[手部操作（In-Hand Manipulation）]

在手部操作中，使用机器人手的灵巧性来改变被抓取物体的状态，此时，机器人多采用的控制器包括多指机械手（Multifingered Robot Hands）、夹持器（Grippers）等。为了在保持接触的同时进行局部重新定位，首先要将物体精确地抓住，然后再使用机器人的指尖移动物体。触觉传感用于估计接触和物体信息，并主动控制手指和物体之间的接触。触觉传感也可用于直接学习从接触传感器信息到机器人手指所需关节速度的映射。

为了进一步移动物体，机器人需要用手指在不同的抓握之间进行切换，同时保持手中的物体不掉落。为此，手指需要通过触觉感应来检测手和物体之间的缝隙情况，以及接触物体的情况，从而有效地在物体表面滑动。为了更进一步的模仿人类，可以通过在受试者的手上安装触觉指套来获得带有触觉信号的滑动行为演示，用于控制机器人。

[工具操作（Tool Manipulation）]

工具操作是许多机器人操作任务中都具有的一个内容。在工具操作中引入触觉感知的一个重要前提是，任务接触必须位于物体和手持工具之间。因此，除非工具本身装有仪器，否则触点不会直接位于触觉传感器上。触觉感知可用于检测工具上的接触，定位工具提示和被操作工具的其他重要内容，监控任务进度和检测操作失败等任务。触觉反馈还可以用来估计和保持接触点的方向和力，以执行后续的控制任务。触觉感知也可用于双臂装置，以估计抓取工具的运动参数。

此外，触觉感知还可以用于控制和使用未知工具。在这类任务中，主要的挑战是没有运动学或动力学操作模型可以直接用于计算给定任务的触觉动作信息。此时，可以引入基于数据驱动的方法作为一种隐式计算操作命令的有效方法。

[运动（Locomotion）]

触觉感知不仅对完成操作任务有用，对于引导和实现机器人运动也是非常有效的。地面车辆和步行机器人，如人形机器人、四足动物、六足动物和蛇形机器人，都需要利用与环境的接触来移动。触觉感知为完成这些任务提供了对机器人状态和环境地形的估计。例如，轮式机器人可以使用触觉感知来监测它们与地面的接触。来自车轮中麦克风或加速计的振动信号可用于确定地形类型。

保持平衡是机器人站立和行走的关键部分。为了保持平衡，机器人需要使用触觉感知来估计其支撑的接触位置，以及检测可能导致其失去平衡的障碍物和其他扰动。触觉感知还可用于学习站立时的触觉运动映射。机器人步行阶段之间的转换通常由接触事件所触发，例如脚后跟与地面的接触。在这种场景中可以应用触觉感应来判断机器人的脚应该放在哪里，此时通过估计地形类型，机器人可以生成合适的步态并切换到合适的腿部控制器。

[人机交互（Human–Robot Interaction，HRI）]

除了与无生命物体和地形交互外，机器人还需要与人类进行物理交互。HRI 的应用范围广泛，包括穿上衣服、移交物品、与协作机器人的安全交互等。在这些任务中，机器人需要确保相互作用的力是安全的，并且其发出的力量能够适应人体。

最新的 HRI 研究进展是探索从触觉感知的反馈中推断人类的潜在状态和意图。例如，在移交过程中，机器人可以利用视觉和触觉反馈来确定人类何时有合适的抓地力并准备好接受对象。类似的，在执行协作任务时，如搬运大型物品，机器人通过手腕上的力 / 力矩传感器测量交互力和扭矩，以执行任务并做出相应的反应。

除了执行任务外，HRI 还可以用来教机器人从演示中获得新技能。通过这种方式，机器人可以直接由人类使用力控制器引导。例如，穿衣是日常生活中的一项基本任务，开发穿衣机器人可以为运动障碍患者提供帮助。利用触觉信息，机器人可以调整以减小对人的姿态估计中的误差，并在提供穿衣辅助的同时，实时跟踪该人的轮廓和动作。

基于前面关于人类触觉和机器人触觉传感的讨论，以下准则可以作为一般机器人系统中触觉传感设计的参考[1]：

随着功能划分的多样化和分布式接收器的出现，可以向机器人中引入不同类型的小型传感器，其中每种传感器都能以最佳方式测量特定的接触参数，例如，接触力和硬度检测、测量多个接触参数的触觉和热传感器等等。

在设计机器人的过程中，可以基于身体部位将触觉传感器的空间分辨率分布或排列成一个阵列。例如，对于指尖可以设置为 1 毫米左右，相当于指尖大小区域上大约 15×10 个元素的网格；对于手掌和肩膀等不太敏感的部分，可以设置到 5 毫米。

传感器应具有高灵敏度和宽动态范围，还应该能够测量力的方向。这一点很重要，因为一般来说，机器人并不掌握真实世界物体的先验模型。

为机器人所设计的触觉传感器应该具备快速响应的功能。如果触觉反馈用于机器人控制，这一点尤为重要。在机器人应用的控制回路中引入触觉感知是很重要的，因为从人工肌肉或动觉单独获得的接触信息不足。人体皮肤中不同的机械感受器响应的信号频率范围可用于设置传感器的响应时间要求。一般来说，对于实时接触，每个触摸元件的响应速度应为 1ms。

对于人类来说，触觉数据并不是直接发送到大脑的。相反，一些处理是在不同层次上进行的，以适应人类神经系统有限的吞吐量。因此，为了减少机器人传递到中央处理器的信息量，对于大型触觉阵列或模块来说，在感觉位置进行某种程度的预处理（数据选择、局部计算等）是很重要的。这样的架构将解放 “机器人大脑” 进行更智能的工作。或者，它可以将系统扩展到几乎任何数量的传感器中。

可以将传感器的弹性覆盖层设计成在皮肤中有中间和乳头状突起的结构。通过将应力集中在传感元件上，这种结构还可以补偿弹性材料的模糊效应。弹性材料表面的乳头状脊状纹理增加了可检测性。

生物传感器可以获得像物体的详细轮廓这样的信息，因为皮肤是柔顺的，并与物体保持一致。因此，机器人支架应坚固、灵活、舒适、可伸展和柔软，从而能够承受温度、湿度、化学应力、电场、突然力等恶劣条件。当它们分布在身体上时，生物传感器不应显著增加机器人连杆 / 部件的直径 / 厚度。

三、「触觉传感」技术应用

3.1 基于粘着控制摩擦的工业夹具的改进（Improving Industrial Grippers With Adhesion-Controlled Friction）[4]

在制造业中，有效地处理精密物体是一个具有挑战性的问题。实现稳定的抓取、同时避免施加过大的抓取力是在精密仪器处理任务重引入机器人操作的重要目标。例如，在处理易碎物品时，机器人必须将施加在抓取物体上的力降到最低，以防止损坏。再比如，处理可变形物体时，要做到不挤压就可以抓取物体，以保持物体的形状或表面特性等特征。

人类在处理类似的问题时，能够根据对物体重量和初次接触时形成的摩擦特性的估计，快速调整抓地力。针对这些刺激，人类能够做到只应用最小的力加上适度的安全空隙程度来执行基本的操作而不会滑脱。这种策略使得人能够有效地与易碎和可变形的物体进行交互。相比之下，大多数机器人很难预测和维持抓住精密物体所需的最小力。

与传统的使用专门夹具或控制方案的方法不同，本文提出了一种将壁虎式定向粘合剂粘贴到工业机器人夹持器和触觉传感器上的解决方案用以完成机器人处理精密物体的任务。作者将定向的、受到壁虎特性启发的粘合剂整合到商业夹持器的钳口中，使其能够抓住非常精细的物体，并以较小的抓握面积抵抗大的发力瞬间，具体见图 5。

图 5. 工业机器人，利用壁虎启发的粘合剂排列在抓爪垫上，可以抓握和操纵腐烂的番茄。它也可以施加相当大的扭矩，仅使用其接触面的 3/4

免责声明：本文版权归原作者所有，钱大人登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。此文如侵犯到您的合法权益，请联系我们。