基于电阻抗断层扫描的用于变形表面电气阻抗肌肤的学习增强式触觉传感
机器人学
2025-04-09 v1
摘要
电阻抗断层扫描(EIT)基于的触觉传感器提供了具有成本效益和可扩展性的解决方案，特别适用于软体机器人。然而，EIT基于的触觉传感器在应用于高度可变形物体时会出现性能下降。这一限制源于其对应变的本质敏感性，尤其在软体身体中得到放大，因而需要专门的数据解释来分离正在测量的参数和源自形变的信号。这在很大程度上限制了其实际实施。本文提出了一种机器学习辅助的触觉传感方法，以跟踪表面形变并在触觉感知期间分离此贡献。我们首先捕获目标对象的形变，然后使用专为处理和融合EIT数据和形变信息而设计的深度学习模型进行触觉重建。数值仿真验证实现了高相关系数(0.9660 - 0.9999)、峰值信噪比(28.7221 - 55.5264 dB)和低相对图像误差(0.0107 - 0.0805)。实验验证使用在各种形变情景下进行的基于水凝胶的EIT电气阻抗肌肤，进一步证明了该方法在真实世界环境中的有效性。这些发现为软体和高度可变形的机器人应用中的增强触觉交互提供了依据。
引用
@article{arxiv.2504.05987,
title = {Learning-enhanced electronic skin for tactile sensing on deformable surface based on electrical impedance tomography},
author = {Huazhi Dong and Xiaopeng Wu and Delin Hu and Zhe Liu and Francesco Giorgio-Serchi and Yunjie Yang},
journal= {arXiv preprint arXiv:2504.05987},
year = {2025}
}