![]()
机器人灵巧手的指尖通常会被设计成刚性的，并在刚性结构基础上配备各种传感器以提供触觉感知。然而，这种指尖方案使得灵巧手对于微小物体的抓取变得困难，这是由于刚性的指尖通常与物体的接触面积很小。IEEE Transactions on Industrial Electronics（Q1， IF8.162）发表论文 "Soft Magnetic Fingertip With Particle Jamming Structure for Tactile Perception and Grasping"，提出了一种新颖的指尖设计，它结合了柔软的磁触觉皮肤和颗粒阻塞结构，保障了指尖结构的柔性、安全性的同时，赋予了指尖感知能力及操作能力。
软体机器人作为机器人领域的一个重要分支，由于其在人机交互方面的较高的安全性和较好的适应性，引发了广泛的关注。其中基于颗粒阻塞原理的通用机器人夹持器，作为软体机器人的一个重要分支，也已经被研究了10多年。在过去的几年里，已经报道了许多结合粒子干扰原理的机器人夹持器。在与人或非结构化环境的交互过程中，与纯刚性机械手相比，柔性夹持器与刚性机器人的组合具有更好的安全性、顺应性和可变刚度等优势。但是柔性结构虽然提高了系统的整体的安全性，同时也带来了感知困难等问题。在某些情景下，软体夹持器仍需要触觉感知，以进一步提高操作的安全性。因此，设计一款集成感知和抓取能力相结合的软机器人手指是有一定意义的。由于触觉感知和抓取适应性对于机器人抓手来说都是必不可少的，因此我们提出了一种新的颗粒阻塞机器人指尖，结合了磁触觉感知机制。颗粒阻塞结构使指尖具有多功能性，指尖可以像Universal Gripper一样抓取微小物体。触觉感知可以为灵巧手提供触觉反馈，以调整选择的抓取位置，进一步提高抓取成功率和指尖结构的安全性。提出的指尖可以安装在各类机械夹爪或机械手上，以增加抓取、感知能力。如图1所示，所提出的指尖结构包括三个主要组件，即填充有干扰颗粒材料的硅胶腔、基座和印刷电路板(PCB)。与永磁颗粒混合的硅胶表面用作柔性皮肤。被磁化后，硅胶表面将产生磁场信号，磁信号可以传输到固定在 PCB 上的 3D 霍尔效应传感器。与物体接触时，硅胶表面的变形引起磁场强度的变化，通过霍尔传感器采集的数据处理可以得到接触位置、接触力等信息。首先，我们搭建了实验平台。测试变形指尖的弹性性能，如图2.a所示。该平台包括两个滑块、一个拉压力传感器、一个可更换的测量头和一个夹具。加载和卸载实验表明力和位移之间存在一定的非线性和滞后性。在后续的标定过程中，我们采用了深度学习的方法来解决这个问题。此外，多次加载试验结果表明，指尖回弹力好，重复性较好。力和磁场之间的关系是复杂的。同时，表面的力和变形之间的响应是滞后和非线性的。为了解决这个问题，LSTM 被用于触觉识别以取得优异的效果，并且能够对具有滞后压力响应的传感器的非线性特性进行建模。在这项研究中，使用双层 LSTM 模型来估计所提出的指尖的接触力。训练后的 LSTM 预测接触力的结果如图3.B所示。然而，在整个加载和卸载过程中，接触力与磁场信息之间的关系是非线性的。我们设计的网络仍然可以准确预测输出力的值，并且滞后问题得到缓解。因此，结果验证了 LSTM 方法可用于检测接触力是可行的。我们选择KNN方法进行接触位置分类检测。考虑到所提出的指尖分类问题，KNN 消耗的时间最短，准确率最高。KNN 方法的实现基于原始数据，允许训练数据中存在噪声。我们用触头在十五个接触位置随意按压指尖深度（<10mm），采集磁数据。然后我们从每个位置随机抽取100组接触的磁数据。图4描述了收集数据的测试结果。实验结果表明，所提出的指尖模块可以基于 KNN 方法准确识别接触位置。为了展示抓取和感知能力，我们搭建了如图5所示的实验平台，并设计了一组抓取实验。总的来说，粒子干扰通用夹具在完全包围物体时表现出最佳的抓取性能。这是因为当物体完全封闭时，物体与夹具的接触面积最大，摩擦力也最大。为保证万能夹爪完全包围物体，夹爪通常以中心位置与物体接触使用。因此，指尖需要具备调节与物体相对接触位置的能力，以提高抓取成功率。实验过程如图5所示。指尖可以实时感知接触位置信息，并进行调整以提高抓取成功率。在这项研究中，我们提出了一种具有粒子干扰的软指尖模型的新颖设计，并对其性能进行了实验分析。提出了一种使用硅胶表面磁场强度信息的触觉传感器校准方法。该方法用于估计指尖的接触位置和接触力信息，以增强机器人抓手的操纵能力。所提出的指尖设计在满足指尖的多功能抓握和触觉感知的前提下，显著降低了生产成本。它为灵巧的指尖模块提供了新颖的设计方案。B. Fang, Z. Xia, F. Sun, Y. Yang, H. Liu and C. Fang, "Soft Magnetic Fingertip With Particle Jamming Structure for Tactile Perception and Grasping," in IEEE Transactions on Industrial Electronics, 2022, doi: 10.1109/TIE.2022.3201305. 通讯作者孙富春教授https://ieeexplore.ieee.org/document/9870656![]()
![]()
