具有基于视觉的本体外感知与触觉感知的外骨骼覆盖软手指

与传统刚体机器人相比,软体机器人在适应性、安全性和灵活性方面具有显著优势。然而,由于其高柔性与弹性,为软体机器人配备准确的本体外感知与触觉感知具有挑战性。本工作中,我们描述了一种受先前GelSight感知技术启发、用于软体机器人的基于视觉的本体外感知与触觉传感器GelFlex的开发。更具体地,我们开发了一种新颖的、带有嵌入式相机和深度学习方法的外骨骼覆盖软手指,可实现高分辨率本体外感知和丰富触觉感知。为此,我们沿手指轴向设计特征以实现高分辨率本体外感知,并在手指表面涂覆反射墨层以实现丰富触觉感知。我们设计了一种高度欠驱动、采用腱驱动机制的外骨骼来驱动手指。最后,我们将2个手指组装成机器人夹爪,并成功完成了一项需要形状与触觉信息的棒料分类任务。我们利用嵌入式传感器数据训练了用于本体外感知和形状(方杆 versus 圆柱)分类的神经网络。本体外感知CNN在我们的测试集上准确率超过99%(所有六个关节角误差在1度以内),在实时测试中平均累积距离误差为0.77 mm,优于人手指本体外感知。这些提出的技术赋予软体机器人同时感知自身本体状态和周边环境的高层能力,为软体机器人解决日常操作任务提供了潜在方案。我们相信本工作开发的方法可广泛应用于不同设计与应用中。