💻 computer science

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

Cet article présente un capteur visuotactile évolutif et open-source pour les robots de tensegrité qui utilise une nouvelle technique de liaison par remplissage gyroid sans adhésif ainsi qu'un réseau de neurones pour estimer avec précision les efforts de contact sur six axes et les interactions avec le sol.

Auteurs originaux : Wenzhe Tong, Jonathan Mi, Xili Yi, Nima Fazeli, Xiaonan Huang

Publié 2026-07-20

📖 3 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Wenzhe Tong, Jonathan Mi, Xili Yi, Nima Fazeli, Xiaonan Huang

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez un monde où les robots ne sont pas seulement des boîtes métalliques rigides sur roues, mais des structures rebondissantes et souples faites de bâtons et de cordes, capables de rouler, de basculer et de se faufiler dans des espaces étroits comme un être vivant. On les appelle des robots de « tensegrité ». Ils sont incroyablement robustes et légers, ce qui les rend parfaits pour explorer des zones de catastrophe ou ramper à travers des décombres. Mais il y a un piège : parce qu'ils sont si mous et possèdent tant de pièces mobiles, il est très difficile pour eux de savoir exactement où ils se trouvent ou ce qu'ils touchent. C'est comme essayer de marcher dans le noir en portant une armure géante et vacillante ; vous ne savez pas si votre pied est au sol ou dans le vide avant de trébucher. Pour corriger cela, les scientifiques ont besoin d'un moyen pour que ces robots puissent « ressentir » leur environnement, plus précisément pour savoir quand leurs pieds (ou capuchons terminaux) touchent le sol. C'est le défi de l'« estimation d'état » : déterminer la position et l'équilibre du robot en fonction de ce qu'il ressent.

Cet article présente une solution ingénieuse et en libre accès : un capteur « visuotactile » qui agit comme une semelle de chaussure intelligente et souple pour les robots de tensegrité. Imaginez une basket intelligente avec une caméra à l'intérieur du talon. Le capteur est construit comme un sandwich : une enveloppe extérieure caoutchouteuse et souple, une couche intermédiaire flexible et une base dure tenant une minuscule caméra et un anneau de lumières. Lorsque le pied du robot appuie contre le sol, le caoutchouc souple s'écrase et s'étire. À l'intérieur, la caméra observe de petits points peints sur le caoutchouc, suivant exactement comment ils se déplacent et se déforment. Un cerveau informatique spécial (un réseau neuronal) regarde ces points en mouvement et calcule instantanément la force exacte et la torsion que le sol applique au pied. Les chercheurs ont découvert que ce système fonctionne étonnamment bien, prédisant avec précision la force de pression vers le bas et la direction dans laquelle le robot pousse, même pendant qu'il est en mouvement. Ils l'ont testé sur un robot de 12 kg fait de bâtons et de cordes, et les capteurs ont réussi à dire au robot lesquels de ses six pieds touchaient le sol en temps réel. Le meilleur dans tout cela ? L'ensemble est conçu pour être peu coûteux, facile à fabriquer avec des imprimantes 3D et gratuit pour tout le monde, aidant ces robots rebondissants à mieux naviguer dans le monde réel.

Résumé Technique : Capteur Visuotactile Scalable en Open-Source pour l'Estimation de la Clef de Serrage à 6 Axes pour Robots Tensegrity

Énoncé du Problème
Les robots tensegrity, caractérisés par des réseaux de barres rigides et de câbles de tension, offrent des rapports résistance/poids élevés et une grande résilience, ce qui les rend adaptés à l'exploration et à la recherche et sauvetage. Cependant, leurs degrés de liberté élevés et leur dynamique non linéaire compliquent l'estimation de l'état, ce qui est critique pour le contrôle par rétroaction et la locomotion. Les méthodes proprioceptives existantes reposent sur des capteurs de déformation, des encodeurs de câbles ou des centrales inertielles (IMU), mais elles manquent de mesure directe et fiable du contact au sol. Les solutions actuelles de détection de contact pour les robots tensegrity souffrent souvent de dérive, d'hystérésis ou de complexité de fabrication. De plus, bien que la détection visuotactile ait progressé dans la manipulation robotique et la locomotion quadrupède, l'adaptation de ces capteurs à des structures tensegrity de grande échelle (de l'ordre du mètre) reste difficile en raison des difficultés de fabrication, du besoin d'adhésifs qui peuvent échouer sous l'impact, et de l'absence de conceptions robustes et open-source.

Méthodologie
Les auteurs proposent un capteur d'embout visuotactile scalable et open-source, conçu spécifiquement pour les robots tensegrity. Le système comprend trois composants mécaniques principaux :

Coque Élastomère : Une coque souple faite de Smooth-Sil™950 (Shore 50A) qui forme la surface de contact principale. Elle présente une surface interne avec de légères dépressions marquées par des points de marqueur permanent servant de repères visuels pour le suivi de la déformation.
Interface TPU : Une couche de polyuréthane thermoplastique (TPU) imprimée en 3D qui relie l'élastomère à la base rigide.
Base Rigide : Héberge une caméra USB miniature avec un objectif fisheye à 180 degrés et un anneau LED personnalisé pour une illumination uniforme.

Une innovation clé est la technique de liaison par remplissage gyroïde. Au lieu d'utiliser des adhésifs, l'interface en TPU imprimée en 3D utilise un motif de remplissage gyroïde continu. Lors de la coulée de l'élastomère, le silicone liquide s'écoule dans ces remplissages ouverts, créant un verrouillage mécanique durable lors de la polymérisation. Cela élimine le besoin d'adhésifs, qui échouent souvent sous l'effet de contraintes de cisaillement ou de traction.

Pour le traitement des données, le système utilise un réseau de neurones tactile-vers-clef (tactile-to-wrench). L'entrée est un champ de vecteurs de cisaillement dense à deux canaux ( $V \in \mathbb{R}^{2 \times H \times W}$ ) dérivé de l'analyse du flux optique des images de la caméra (utilisant des méthodes issues de GelSlim 4.0). La sortie est une clef de serrage (wrench) à six dimensions ( $w = [F_x, F_y, F_z, T_x, T_y, T_z]^\top$ ). Le modèle utilise un perceptron multicouche (MLP) résiduel profond entraîné sur un jeu de données de 34 368 échantillons collectés à l'aide d'un bras robotique KUKA Med R820 et d'un capteur de force/couple ATI Gamma.

Contributions Clés

Conception de Capteur Scalable : Un capteur d'embout de 130 mm de diamètre qui correspond à l'échelle des robots tensegrity de niveau métrique, utilisant des composants standard et de l'impression 3D à bas coût.
Liaison Sans Adhésif : Une nouvelle méthode de liaison mécanique utilisant un remplissage gyroïde pour joindre l'élastomère et le TPU, résultant en une interface plus forte et plus constante que l'adhésif Sil-Poxy™, comme vérifié par des tests de traction et de pelage.
Implémentation Open-Source : La conception, les fichiers CAO et le code sont rendus publics pour faciliter la réplication et l'intégration dans diverses plateformes tensegrity.
Estimation de Clef à 6 Axes : Un réseau de neurones léger capable de mapper les champs de vecteurs de cisaillement vers des clefs de serrage complètes à 6D, permettant à la fois l'estimation de la force et la détection binaire de contact.

Résultats Expérimentaux

Force de Liaison : Les tests de traction et de pelage ont démontré que la liaison mécanique gyroïde fournit environ 25 % de résistance à la traction et 300 % de résistance au cisaillement supérieures par rapport à l'adhésif Sil-Poxy™, avec une variation moindre.
Validation Statique : Sur un ensemble de validation, le modèle a atteint une erreur quadratique moyenne (MSE) de 0,1531. Le modèle a reproduit avec précision les directions et les magnitudes de force dominantes, l'estimation de la force s'avérant plus robuste que celle du couple.
Validation Dynamique : Sous mouvement dynamique (trajectoires circulaires), la MSE a augmenté à 2,67. Bien que la prédiction du couple présente une plus grande variabilité et un retard de phase dû aux taux de rafraîchissement de la caméra et à la latence de traitement, le système suit avec succès les tendances temporelles principales des forces.
Intégration du Système : Le réseau de capteurs a été intégré sur un robot tensegrity à trois barres de 12 kg. Dans des tests impliquant des configurations de contact unique suspendu, de deux contacts et de trois contacts, le système a identifié de manière fiable les contacts au sol, les estimations de force des embouts en contact augmentant brusquement tandis que les embouts non en contact restaient proches de zéro.

Signification et Revendications
L'article affirme que ce système améliore substantiellement la praticité du retour tactile pour les robots tensegrity en offrant une voie à bas coût, reproductible et physiquement interprétable vers une proprioception consciente du contact. En fournissant des contraintes explicites sur quels embouts sont ancrés au sol, le capteur transforme les problèmes d'estimation de base flottante en formulations plus contraintes. Les auteurs positionnent ce travail comme une étape vers une opération autonome robuste dans des environnements complexes, notant que bien que l'estimation du couple nécessite encore des raffinements (par exemple, via une modélisation temporelle), le système fournit déjà des indices de contact binaires fiables et une estimation de force utile pour l'estimation d'état et le contrôle. La nature open-source du projet est mise en avant comme un moyen de promouvoir une adoption et une reproductibilité plus larges dans les systèmes robotiques compliants.

Articles similaires