郑文栋,刘华平,孙富春等 | 机器人大面积触觉传感的数据驱动电阻层析成像技术
文摘
科技
2024-08-23 12:00
山东
![]()
![]()
研究团队
郑文栋：天津理工大学、清华大学
刘华平，孙富春：清华大学
刘小峰：河海大学
文章下载
Wendong ZHENG, Huaping LIU, Xiaofeng LIU & Fuchun SUN. Data-driven electrical resistance tomography for robotic large-area tactile sensing. Sci China Inf Sci, 2024, doi: 10.1007/s11432-023-4130-3
![]()
在动态的非结构化环境中，有效地感知物理接触对于智能机器人安全交互至关重要。为了能够检测各种潜在的物理交互，需要在机器人表面上部署大面积触觉传感器。目前，现有的大面积触觉传感器主要是通过传感阵列方式实现，但是大规模部署传感元件在实际应用中存在巨大挑战。最近，电阻抗层析成像（Electrical Resistance Tomography，ERT）作为一种非侵入式推理成像技术，仅通过少量的边界测量，结合成像技术，就可以估计传感介质内部的电导率分布。由于具备连续传感能力，结构简单和低成本等优势，ERT有望为大面积触觉传感提供一种新颖的解决方案。虽然ERT触觉传感器在大面积传感方面表现出独特优势，但由于ERT逆问题具有严重的不适定性，该类传感器通常面临空间分辨率低这一挑战，使其在实际应用中受到极大的制约。图1 基于ERT的大面积触觉传感示意图
为了解决上述问题，本文提出了一种用于大面积触觉传感的数据驱动电阻层析成像 （DDERT）方法。该方法利用生成模型将 ERT触觉传感器的边界电压测量值重建为触觉图像。通过将生成模型与传统成像算法相结合，引入空间注意机制并应用掩码约束，所提出的方法旨在提高ERT触觉传感器的成像质量，进而提高其传感性能。为了验证该方法在实际触觉传感器中的有效性，我们制作了一个基于ERT的大面积触觉传感器并评估其传感性能。实验结果表明，该传感器具有良好的空间分辨率、定位精度和动态传感性能。这项研究表明，该传感器在具身触觉感知和机器人交互方面具有巨大的潜力。(1) 提出了一种数据驱动电阻层析成像模型，用于机器人大面积触觉传感。该模型通过将传统ERT成像方法融入深度学习模型中，以提高传感器的传感性能。(2) 引入了空间注意机制，使得模型能够通过动态聚焦接触区域，进而提高重建触觉图像的质量。此外，将掩模约束作为先验信息引入模型，以确保生成的图像在与物体接触的区域中包含必要的结构细节。(3) 制作了基于ERT的大面积触觉传感器原型，并评估了传感器的传感性能。实验结果表明，该方法对基于ERT的大面积触觉传感器是有效的。为了验证该方法在实际触觉传感器中的有效性，我们制作了一个基于ERT的大面积触觉传感器并评估其传感性能。实验结果表明，该传感器具有良好的空间分辨率、定位精度和动态传感性能。图3 触觉传感器的性能评估
此外，为了验证开发触觉传感器在实际机器人系统中的性能，将该传感器集成到UR5机械臂上，通过利用获得的触觉反馈，机器人能够有效检测故障位置，并能对其操作环境进行建模。在此基础上，结合预设的自主避碰控制策略，机器人在非结构化操作场景中能自主地避开未知障碍物，实现了基于触觉感知的自主决策能力。![]()
![]()
