用于增强软体连续机器人深度学习形状感知的软电子织物传感器

机器人导航的安全性与准确性至关重要，尤其是在软体连续机器人领域，传统刚性传感器的局限性日益凸显。编码器、压阻式传感器与电位计传感器通常难以与这些机器人的柔性特性良好适配，并会增加不必要的体积与刚性。为克服这些障碍，本研究提出了一种利用软电子织物电阻传感器进行软体连续机器人形状感知的新方法。该传感器旨在与机器人结构完美融合，采用一种阻值随机器人运动与形变而变化的电阻材料。这种阻值变化有助于捕获软传感器层间多维度的力测量数据。我们采用深度卷积神经网络（CNN）解码传感器信号，基于电子织物传感器的详细数据实现对机器人形状构型的精确估计。本研究探讨了该电子织物传感器在确定软体连续机器人曲率参数方面的有效性。结果令人鼓舞，表明在形状感知与估计方面，软电子织物传感器不仅能媲美、甚至可能超越传统刚性传感器的能力。这一进展显著提升了机器人导航系统的安全性与效率。