基于剪切的多指节Underactuated触觉机器人手臂抓握控制

本文提出了一种针对Pisa/IIT仿生软手的抓握控制方案，该手臂配备有所有五个指尖的软生物仿触觉传感器。这些'microTac'触觉传感器是TacTip基于视觉的触觉传感器的迷你版本，可在每个指尖提取精确的接触几何和力信息，用作控制器反馈，以调节抓握力度。我们采用并行处理管道，异步捕获触觉图像并预测来自多个触觉传感器的接触姿态和力量。使用监督式深度学习和迁移学习技术开发了跨所有传感器的一致姿态和力量模型。随后，我们开发了一种抓握控制框架，利用来自所有指尖传感器的接触力反馈，使机械手能够在外部扰动下安全处理 delicate 对象。该控制框架应用于多个抓握操纵实验：首先，在重量变化时保持柔软杯子不被压碎；其次，进行倒水任务，其中杯子的质心会动态变化；最后，进行触觉驱动的领导-跟随任务，其中人类引导被握住的物体。这些操纵任务通过触觉感知的快速反射性控制，展示了Underactuated机器人手臂的更具人类化的灵活性。