通用阻挡夹具的声学感知

通用阻挡夹具因其顺从身体而在抓取未知物体方面表现出色。传统触觉传感器可能削弱这种顺从性，降低抓取性能。我们提出声学感知作为形态感知形式，使夹具的柔软身体本身成为传感器。扬声器和麦克风被置于夹具腔体内，远离可变形薄膜，完全保持顺从性。声波通过夹具和物体传播，编码物体属性，通过机器学习进行重建。我们的传感器在感知物体尺寸(2.6 mm 误差)和姿态(0.6° 误差)方面实现高空间分辨率，对外部噪声水平 80 dBA 仍保持鲁棒性，并能判别物体材料(达 100% 准确率)和 16 件日常物品(85.6% 准确率)。我们在真实的触觉物品分类任务中验证了传感器，实现了 53 分钟的持续抓取和感知，确认了保持抓取性能。最后，我们演示了无约束的声学表征可被学习，从而提高对无关声学变化的鲁棒性。