Scalable Open-Source Visuotactile Sensor for 6-Axis Contact Wrench Estimation in Tensegrity Robots

Resumen Técnico: Sensor Visuotáctil Escalable de Código Abierto para la Estimación de la Fuerza de Contacto de 6 Ejes en Robots de Tensegridad

Planteamiento del Problema
Los robots de tensegridad, caracterizados por redes de puntales rígidos y cables de tensión, ofrecen altas relaciones resistencia-peso y resiliencia, lo que los hace adecuados para la exploración y la búsqueda y rescate. Sin embargo, sus altos grados de libertad y su dinámica no lineal complican la estimación del estado, lo cual es crítico para el control de retroalimentación y la locomoción. Los métodos propioceptivos existentes dependen de sensores de deformación, codificadores de cables o IMUs, pero carecen de una medición directa y fiable del contacto con el suelo. Las soluciones actuales de detección de contacto para robots de tensegridad suelen sufrir de deriva, histéresis o complejidad de fabricación. Además, aunque la detección visuotáctil ha avanzado en la manipulación robótica y la locomoción cuadrúpeda, escalar estos sensores para estructuras de tensegridad de gran escala (escala de metros) sigue siendo un desafío debido a las dificultades de fabricación, la necesidad de adhesivos que puedan fallar bajo impacto y la falta de diseños robustos de código abierto.

Metodología
Los autores proponen un sensor de extremo visuotáctil escalable y de código abierto diseñado específicamente para robots de tensegridad. El sistema consta de tres componentes mecánicos principales:

1. Carcasa de Elastómero: Una carcasa flexible hecha de Smooth-Sil™950 (Shore 50A) que forma la superficie de contacto primaria. Presenta una superficie interna con hendiduras poco profundas pintadas con puntos de marcador permanente para servir como marcadores visuales de seguimiento de la deformación.
2. Interfaz de TPU: Una capa de poliuretano termoplástico (TPU) impresa en 3D que conecta el elastómero con la base rígida.
3. Base Rígida: Alberga una cámara USB miniatura con una lente de ojo de pez de 180 grados y un anillo de LED personalizado para una iluminación uniforme.

Una innovación clave es la técnica de unión de relleno de giroide. En lugar de utilizar adhesivos, la interfaz de TPU impresa en 3D se imprime con un patrón de relleno de giroide continuo. Durante el vertido del elastómero, el silicona líquida fluye hacia estos rellos abiertos, creando un interbloqueo mecánico duradero tras el curado. Esto elimina la necesidad de adhesivos, que a menudo fallan bajo estrés de cizallamiento o tracción.

Para el procesamiento de datos, el sistema emplea una red neuronal de táctil a fuerza (tactile-to-wrench). La entrada es un campo vectorial de cizallamiento denso de dos canales ($V \in \mathbb{R}^{2 \times H \times W}$) derivado del análisis de flujo óptico de las imágenes de la cámara (utilizando métodos de GelSlim 4.0). La salida es una fuerza de contacto de seis dimensiones ($w = [F_x, F_y, F_z, T_x, T_y, T_z]^\top$). El modelo utiliza un MLP (Perceptrón Multicapa) residual profundo entrenado en un conjunto de datos de 34,368 muestras recolectadas mediante un brazo robótico KUKA Med R820 y un sensor de fuerza/par ATI Gamma.

Contribuciones Clave

• Diseño de Sensor Escalable: Un sensor de extremo de 130 mm de diámetro que coincide con la escala de robots de tensegridad de un metro de nivel, utilizando componentes comerciales y la impresión 3D de bajo costo.
• Unión Libre de Adhesivos: Un novedoso método de unión mecánica utilizando relleno de giroide para unir el elastómero y el TPU, lo que resulta en una interfaz más fuerte y consistente que el adhesivo tradicional (Sil-Poxy™), según lo verificado por pruebas de tracción y desprendimiento.
• Implementación de Código Abierto: El diseño, los archivos CAD y el código se ponen a disposición pública para facilitar la replicación e integración en diversas plataformas de tensegridad.
• Estimación de Fuerza de 6 Ejes: Una red neuronal ligera capaz de mapear campos vectoriales de cizallamiento a fuerzas de contacto completas de 6D, permitiendo tanto la estimación de fuerza como la detección binaria de contacto.

Resultos Experimentales

• Fuerza de Unión: Las pruebas de tracción y desprendimiento demostraron que la unión mecánica de giroide proporciona aproximadamente un 25% más de resistencia a la tracción y un 300% más de resistencia al cizallamiento en comparación con el adhesivo Sil-Poxy™, con una menor variación.
• Validación Estática: En un conjunto de validación no utilizado para el entrenamiento, el modelo logró un Error Cuadrático Medio (MSE) de 0.1531. El modelo reprodujo con precisión las direcciones y magnitudes de fuerza dominantes, demostrando que la estimación de la fuerza es más robusta que la estimación del par motor (torque).
• Validación Dinámica: Bajo movimiento dinámico (trayectorias circulares), el MSE aumentó a 2.67. Aunque la predicción del par motor mostró mayor variabilidad y retraso de fase debido a las tasas de fotogramas de la cámara y la latencia de procesamiento, el sistema rastreó con éxito las tendencias temporales principales de la fuerza.
• Integración del Sistema: El arreglo de sensores se integró en un robot de tensegridad de tres barras de 12 kg. En pruebas que involucraron configuraciones de contacto único, contacto doble y contacto triple suspendido, el sistema identificó de manera confiable los contactos con el suelo, con las estimaciones de fuerza en los extremos en contacto aumentando bruscamente mientras que los extremos sin contacto permanecían cerca de cero.

Significancia y Reivindicaciones
El artículo afirma que este sistema mejora sustancialmente la practicidad de la retroalimentación táctil para los robots de tensegridad al ofrecer un camino de bajo costo, reproducible y físicamente interpretable hacia una propiocepción consciente del contacto. Al proporcionar restricciones explícitas sobre qué extremos están anclados al suelo, el sensor transforma los problemas de estimación de base flotante en formulaciones más restringidas. Los autores posicionan este trabajo como un paso hacia la operación autónoma robusta en entornos complejos, señalando que, aunque la estimación del par motor requiere un refinamiento adicional (por ejemplo, mediante modelado temporal), el sistema ya proporciona señales binarias de contacto útiles y estimaciones de fuerza útiles para la estimación de estado y el control. Se destaca la naturaleza de código abierto del proyecto como un medio para promover una adopción y reproducibilidad más amplias en sistemas robóticos complacientes.