基于快速麦克风阵列的多特征提取与超分辨率研究

在这项工作中，我们使用MEMS麦克风作为振动传感器，同时分类纹理并估计接触位置与速度。振动传感器是人类与机器人触觉感知的重要方面，可提供接触和滑移起始的快速检测。麦克风是实现振动感知的一个有吸引力的选择，因为它们响应快速且可被快速采样、价格低廉且占用极小空间。我们的原型传感器仅使用嵌入在弹性体下的分布式MEMS麦克风稀疏阵列（间距8-9 mm，单价<$1，尺寸3.76 x 2.95 x 1.10 mm）。我们采用基于transformer的架构进行数据分析，利用麦克风的高采样率在时间序列数据而非单帧快照上运行模型。该方法使我们在4类纹理分类上获得77.3%的平均准确率（排除最慢拖拽速度时为84.2%），接触定位平均误差1.8 mm，接触速度平均误差5.6 mm/s。我们表明所学的纹理与定位模型对速度变化具有鲁棒性，并可泛化至未见速度。我们还报告传感器提供快速接触检测，这是快速换能器的重要优势。本研究表明仅用MEMS麦克风阵列即可实现的能力，为与互补触觉感知模态集成留下了宝贵的传感器空间。