基于生物仿生触觉手的接触状态识别与滑移检测

稳定可靠的抓取对于机器人操作尤其是 fragile 和 glazed 物体至关重要，抓取力需要精确控制——过大的力可能损坏物体，而过小的力则导致滑移脱落。尽管假设操作对象在抓取后已稳固，但在非结构化和通用环境中，仍需检测并及时预防滑移。本文通过利用来自五指生物仿生手的多模态触觉反馈来解决此问题。鼓励人类手的设计，将触觉感知元件分布嵌入机器人手的软皮肤中，形成 24 个触觉通道。不同于大多数现有工作中使用的阈值方法，我们首先将滑移检测问题转化为结合分箱技术的接触状态识别，然后根据识别结果检测滑移发作时间。经过 24 个触觉信号经离散小波变换后，提取 17 个不同时频段的特征。采用最优 120 个特征进行状态识别，测试准确率在三个不同的滑动速度和六种材料下达到 96.39%。当应用到四个全新未见材料时，仍实现 91.95% 的高准确率，进一步验证了所提方法的泛化性。最后基于训练好的接触状态识别模型验证了滑移检测性能。