用于材料分类的仿生触觉传感器设计

触觉感知通常涉及对未知表面与物体的主动探索，使其在处理材料与纹理特征方面尤为有效。人类触觉感知提取的一个关键属性是表面粗糙度，其依赖于利用多层指尖结构测量振动信号。现有机器人系统缺乏能够提供高动态感知范围、感知材料属性并保持低硬件成本的触觉传感器。在本工作中，我们介绍一种微型且低成本的触觉传感器的参考设计与制备流程，该传感器由仿生皮肤结构组成，包括人造指纹、真皮、表皮，以及作为机械感受器将机械信息转换为数字信号的嵌入式磁传感器结构。所提出的传感器能够通过霍尔效应检测高分辨率磁场数据，并生成用于材料纹理分类的高维时频域特征。此外，我们通过仿真与物理实验研究了不同表面传感器指纹图案对材料分类的影响。在提取时间序列与频域特征后，我们评估了 k 近邻分类器以区分不同材料。实验结果表明，带指纹脊的仿生触觉传感器比无脊传感器分类材料准确率高出 8% 以上且变异性更低。这些结果，连同我们传感器的低成本与可定制性，展示了其在降低广泛机器人应用门槛方面的巨大潜力，包括用于纹理分类、材料检测和物体识别的无模型触觉感知。