面向机器人智能皮肤的机器学习赋能力感知
应用物理
2022-11-02 v1
摘要
具有触觉的人造皮肤可支持机器人高效地与周围环境交互并完成复杂任务。传统的多层人造皮肤需要复杂的制造工艺，可能导致高成本以及对皮肤材料和尺寸的限制。在本文中，我们展示了一种基于机器学习的方法，使用最直接的响应作为输入信号——应变分布，来预测点载荷的位置。从最简单的问题（预测作用在平整表面上的单个点载荷的位置）开始，我们开发、训练和测试了一个 ML 模型。该 ML 模型获得了准确的预测，讨论了影响精度的参数，并进行了验证测试。此后，该 ML 模型被修改以解决多目标预测问题：预测多个点载荷的位置与大小。最后，该 ML 模型升级为一个两步模型，以预测作用在可变形表面上的点载荷的位置。所展示的方法使任何普通的未处理表面都能感知触摸，无论其由何种材料制成或尺寸大小如何。因此，我们相信这种基于 ML 的载荷位置预测方法可成为柔性触摸屏、机器人智能皮肤以及微触觉传感器等应用的一种有前景的工具。
引用
@article{arxiv.2211.00189,
title = {Machine Learning Enabled Force Sensing of a Smart Skin for Robotics},
author = {Fan Liu and Guangyu He and Xihang Jiang and Lifeng Wang},
journal= {arXiv preprint arXiv:2211.00189},
year = {2022}
}