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

Technische Samenvatting: Schaalbare Open-Source Visuotactiele Sensor voor 6-Assige Contactkracht-schatting in Tensegrity-robots

Probleemstelling
Tensegrity-robots, gekenmerkt door netwerken van stijve staven en trekkabels, bieden een hoge sterkte-gewichtsverhouding en veerkracht, waardoor ze geschikt zijn voor exploratie en zoek- en reddingsoperaties. De hoge vrijheidsgraden en nietlineaire dynamica compliceren echter de toestandsschatting (state estimation), wat cruciaal is voor feedbackcontrole en voortbeweging. Bestaande proprioceptieve methoden vertrouwen op reksensoren, kabelencoders of IMU's, maar deze missen een betrouwbare directe meting van grondcontact. Huidige contactdetectiesystemen voor tensegrity-robots lijden vaak aan drift, hysteresis of fabricagecomplexiteit. Bovendien is het schalen van dergelijke visuotactiele sensoren voor grote, meterlange tensegrity-structuren uitdagend vanwege fabricageproblemen, de noodzaak van lijm die kan falen bij impact, en het gebrek aan robuuste, open-source ontwerpen.

Methodologie
De auteurs stellen een schaalbare, open-source visuotactiele endcap-sensor voor, specifelijk ontworpen voor tensegrity-robots. Het systeem bestaat uit drie primaire mechanische componenten:

1. Elastomeer Schil: Een compliant schil gemaakt van Smooth-Sil™950 (Shore 50A) die het primaire contactoppervlak vormt. Deze heeft een binnenzijde met ondiepe deukjes die zijn voorzien van permanente markerstippen om de visuele markeringen voor vervormingsregistratie te dienen.
2. TPU Interface: Een 3D-geprinte thermoplastische polyurethaan (TPU) laag die het elastomeer verbindt met de stijve basis.
3. Stijve Basis: Behuist een miniatuur USB-camera met een 180-graden fisheye-lens en een aangepaste LED-ring voor uniforme verlichting.

Een belangrijke innovatie is de gyroid-infill verbindingsmethode. In plaats van lijm te gebruiken, wordt de 3D-geprinte TPU-interface geprint met een continu gyroid-infill patroon. Tijdens het gieten van het elastomeer stroomt vloeibaar silicone in deze open infills, wat zorgt voor een duurzame mechanische verankering bij het uitharden. Dit elimineert de noodzaak van lijm, die vaak faalt onder schuif- of trekspanning.

Voor gegevensverwerking maakt het systeem gebruik van een tactile-to-wrench neuraal netwerk. De input is een dicht, tweekanaals shear-vectorveld ($V \in \mathbb{R}^{2 \times H \times W}$) afgeleid van optische flow-analyse van de camera-beelden (met methoden uit GelSlim 4.0). De output is een zesdimensionale contactkracht (wrench) ($w = [F_x, F_y, F_z, T_x, T_y, T_z]^\top$). Het model maakt gebruik van een diep residueel Multi-Layer Perceptron (MLP) dat is getraind op een dataset van 34.368 monsters, verzameld met een KUKA Med R820 robotarm en een ATI Gamma kracht/koppel-sensor.

Belangrijkste Bijdragen

• Schaalbare Sensordesign: Een 130 mm diameter endcap-sensor die past bij de schaal van meterlange tensegrity-robots, gebruikmakend van standaardcomponenten en goedkope 3D-printtechnieken.
• Lijm-vrije Binding: Een nieuwe mechanische verbindingsmethode met behulp van gyroid-infill om het elastomeer en de TPU te verbinden, wat resulteert in een sterkere en consistenter interface dan traditionele Sil-Poxy™ lijm, zoals geverifieerd door trek- en schiltests.
• Open-Source Implementatie: Het ontwerp, de CAD-bestanden en de code worden publiekelijk beschikbaar gesteld om replicatie en integratie in diverse tensegrity-platforms te vergemakkelijken.
• 6-Assige Wrench-schatting: Een lichtgewicht neuraal netwerk dat in staat is om shear-vectorvelden te mappen naar volledige 6D contactkrachten (wrenches), wat zowel krachtschatting als binaire contactdetectie mogelijk maakt.

Experimentele Resultaten

• Bindingssterkte: Trek- en schiltests toonden aan dat de mechanische gyroid-binding ongeveer 25% hogere treksterkte en 300% hogere schuifsterkte biedt vergeleken met Sil-Poxy™ lijm, met een lagere variatie.
• Statische Validatie: Op een onafhankelijke validatieset bereikte het model een Mean Squared Error (MSE) van 0,1531. Het model reproduceerde accuraat de dominante krachtrichtingen en magnitudes; krachtschatting bleek robuuster dan koppel (torque) schatting.
• Dynamische Validatie: Onder dynamische beweging (circulaire trajecten) steeg de MSE naar 2,67. Hoewel de koppelvoorspelling meer variabiliteit en een faseverschuiving vertoonde door de camera-framefrequenties en verwerkingslatentie, slaagde het systeem erin de belangrijkste temporele krachttrends te volgen.
• Systeemintegratie: De sensorarray werd geïntegreerd op een 12 kg, driestangen tensegrity-robot. In tests met hangende, enkelvoudige contact-, twee-contact- en drie-contactconfiguraties identificeerde het systeem betrouwbaar de grondcontacten; de krachtschattingen voor de contacterende endcaps stegen scherp, terwijl de niet-contacterende endcaps nabij nul bleven.

Betekenis en Claims
Het artikel claimt dat dit systeem de praktische bruikbaarheid van tactiele feedback voor tensegrity-robots aanzienlijk verbetert door een goedkope, reproduceerbare en fysiek interpreteerbare weg naar contactbewuste proprioceptie te bieden. Door expliciete beperkingen op te leggen over welke endcaps verankerd zijn aan de grond, transformeert de sensor de floating-base schattingsproblemen naar meer gecontroleerde formuleringen. De auteurs positioneren dit werk als een stap naar robuuste autonome operaties in complexe omgevingen, waarbij zij opmerken dat hoewel de koppel-schatting verdere verfijning vereist (bijv. via temporele modellering), het systeem al betrouwbare binaire contactsignalen en nuttige krachtschattingen levert voor toestandsschatting en controle. Het open-source karakter van het project wordt benadrukt als een middel om bredere adoptie en reproduceerbaarheid in compliant robotica te bevorderen.