基于视觉的软体手指外服交互用户力学习

可穿戴辅助设备正变得越来越柔软。对其与人体组织的界面进行建模对于捕捉动态辅助的传递是必要的。然而，其非线性和柔顺的特性使得物理建模和嵌入式传感都具有挑战性。在本文中，我们开发了一个基于图像和学习的框架，用于估计手指外服系统的分布式接触力。我们使用SoRoSim工具箱生成了包含多种外服几何形状和驱动场景的多样化数据集用于训练。该方法从低分辨率灰度图像中准确估计了多个接触位置的交互力，能够泛化到未见过的形状和驱动水平，并在视觉噪声和对比度变化下保持鲁棒。我们将该模型集成到反馈控制器中，发现基于视觉的估计器可作为闭环控制的替代力传感器。这种方法可用作外服实时力估计的非侵入式替代方案。