基于电容式电子皮肤与深度学习的软体机械臂触觉与形变感知
机器人学
2023-05-03 v1
摘要
软体机器人中的触觉感知尤其具有挑战性，因为在驱动及与环境交互过程中，传感器所受的接触与形变信息相互耦合。这常导致严重干扰，使触觉感知与几何形变的解耦困难。针对该问题，本文提出一种具有稀疏电极分布的软电容式电子皮肤，并结合深度学习进行信息解耦。我们的方法成功将触觉感知与几何形变分离，从而在受内部（驱动）和外部（手动操作）力作用的软气动执行器上实现触摸识别。利用多层感知机，所提电子皮肤在一系列形变下的触摸识别准确率达 99.88%。结合先验知识后，基于 transformer 的架构有效跟踪了软执行器的形变。即使在具有不同充气状态和物理接触（导致额外信号变化并干扰形变跟踪）的工作条件下，机械臂位置重建的平均距离误差也低至 2.9052.207 mm。这些发现为开发可赋予软体机器人本体感知与外感知的电子皮肤提供了切实可行的前进方向。
引用
@article{arxiv.2305.01545,
title = {Touch and deformation perception of soft manipulators with capacitive e-skins and deep learning},
author = {Delin Hu and Zhou Chen and Paul Baisamy and Zhe Liu and Francesco Giorgio-Serchi and Yunjie Yang},
journal= {arXiv preprint arXiv:2305.01545},
year = {2023}
}