基于仿生触觉反馈的滑移检测与表面预测

高分辨率触觉感知在自主移动机器人领域，尤其是腿式机器人中，具有巨大潜力。其中一个特别有前景的方向是穿越具有挑战性的多样地形。根据环境是湿滑、柔软、坚硬还是干燥，机器人必须相应地调整其运动方式。目前许多多足机器人（如 Boston Dynamic 的 Spot 机器人）针对不同的表面类型设有预设步态，但在表面类型频繁变化的地形上表现不佳。能够自动检测环境中的变化将使机器人自主调整其运动方式以更好地适应条件，而无需人类用户手动设定表面类型的改变。在本文中，我们报告了对一种特定仿生触觉传感器 TacTip 特性的首次详细研究，以测试其用于此类表面条件自动检测的适用性。我们探索了不同的处理技术与回归模型，使用定制装置进行数据收集，以确定机器人在各种条件下如何感知传感器上的方向力与一般力。这使我们成功展示了该传感器如何用于区分柔软、坚硬、干燥和（湿）滑表面。我们进一步探索了一种神经模型来对特定表面纹理进行分类。针脚运动（传感器内光学标记的运动）是感知该信息的关键，所有模型都依赖于某种形式的时间信息。我们最终训练好的模型能够成功确定传感器行进的方向、作用于其上的力的大小，并判定表面纹理的差异，如乐高与光滑硬表面，或混凝土与光滑硬表面。