基于形状记忆合金人工肌肉的软机器人自感知用于空间感知与接触检测

估计软机器人姿态和施加力（即空间感知），是实现机器人与环境安全交互的关键。然而，大多数软机器人空间感知解决方案都使用专用传感器，尤其是用于外部力量传感器，这会引入设计权衡、刚性和失效风险。本工作提出了一种用于由形状记忆合金(SMA)人工肌肉驱动的软机器人的姿态估计和接触检测的方法，无需专用力传感器。我们的框架利用SMA的独特材料特性，通过对其电阻和现场温度读数的离线测量来自感知其内部应力。我们证明，针对无接触条件下的姿态预测，仅需简单的多项式回归模型即可。随后，我们表明，如果可获得额外的真实姿态测量（例如来自已就位的弯曲传感器），则可通过多种自感知信号组合来预测二元接触/无接触。我们的硬件测试通过人类操作员的接触检测测试验证了我们的假设。该概念证明表明，软SMA驱动的软机器人中的自感知信号可用于空间感知和接触检测，为在不牺牲设计权衡的情况下集成空间感知指向了未来的方向。未来的工作可采用机器学习以提高精度。