Pneumatic-Tomographic Tactile Skin for Multicontact Localization and Force Estimation
本文提出了一种双通道气动-断层扫描触觉皮肤，该皮肤结合了用于实现鲁棒多接触定位的电阻抗断层扫描层与用于实现稳定力估计的气压层，并利用一种位置感知校正框架，在无需复杂机器学习流水线的情况下，实现了在多种接触场景下的高精度力感知。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，有一种机器人，它不仅能感受到轻微的触摸，还能精确理解触摸发生的位置以及按压的力量大小，而且这种感知遍布其全身。为了让机器与人类进行安全且自然的交互，它们需要这种敏感的“皮肤”。人类皮肤拥有数十亿个微小的传感器，能同时向大脑传递压力和位置的信息，而赋予机器人这种能力一直是工程学上的一个难题。传统的方案通常依赖于密集的单个传感器网格，但这不仅造价昂贵、布线困难，还容易受到干扰。一种更有前景的替代方案是利用电信号来映射材料内部，这种技术被称为电阻抗断层成像（electrical impedance tomography）。这种方法可以使用极少的导线定位触摸发生的位置，但在准确测量触摸力度方面表现不佳，往往会根据触摸位置的不同而给出不一致的读数。
为了解决这个问题，研究人员开发了一种新型机器人皮肤，将两种不同的传感方法整合进单一的柔性层中。他们的设计将电气映射层与一层充气的空气层（作为压力传感器）结合在一起。电气层非常擅长精准定位触摸位置，即使机器人同时被多个物体触摸也无妨。而空气层则非常擅长测量触摸的总力，但它无法分辨力来自何处。通过融合这两种信号，研究人员创建了一个既能感知触摸位置又能感知触摸力度的系统，且无需复杂的布线或海量的训练数据。
这项创新的核心在于这两个层是如何协同工作的。电气层通过向浸泡了导电液体的多孔泡沫中通入微弱电流。当物体压在皮肤上时，液体被挤压，导致特定位置的电阻发生变化。这种变化使系统能够重建出接触发生的图像。然而，这种电气方法在测量力方面极其棘手；信号强度会根据触摸是在传感器中心还是靠近边缘而产生剧烈波动。为了解决这个问题，研究人员增加了一个气动层，本质上是一个充满空气的密封壳。当皮肤被按压时，内部的空气被压缩，传感器会测量压力的变化。这种压力变化与施加的总力有着极强的相关性，无论触摸发生在何处。
挑战在于，空气层虽然在测量总力方面很可靠，但在其表面仍存在细微的灵敏度差异，就像电气层一样。为了克服这一点，团队开发了一种巧妙的校准方法。他们使用已知重量的物体在传感器的许多不同位置进行按压，并利用电气层记录下每次触摸的确切位置。随后，他们利用这些数据创建了一个数字地图，根据位置对压力读数进行修正。这个地图就像一个指南，告诉系统如何根据触摸是在坚硬的边缘还是在柔软的中心来调整力度的读数。一旦应用了这种修正，系统就可以将空气层测得的总力分配到由电气层识别出的各个触摸点上。
该方法的成果经过了广泛的测试。在实验中，当单个物体压在传感器上时，新系统估算的力具有极高的准确度，平均误差小于0.6牛顿。这比仅使用电气方法有了显著提升，后者的误差是前者的两倍多。该系统在测试不同尺寸物体（从10毫米的小尖端到25毫米的大型物体）时也表现出了鲁棒性，证明了即使接触面积发生变化，校准依然有效。或许最令人印象深刻的是，该系统可以处理同时发生的多次触摸。在两个或三个物体同时按压皮肤的情景下，系统仍能区分各个位置并分别估算每个触摸的力。如果没有这种具备位置感知能力的修正，系统在处理这类复杂情况时往往会误判单个触摸的力；但在应用修正后，误差降低了近40%。
这项工作表明，将定位传感器与测力传感器相结合，可以创造出比单一传感器功能更强大且更实用的工具。研究人员发现，通过让空气层承担测量力的重任，而仅将电气层用于寻找“位置”，他们可以避免其他系统通常需要的庞大数据集或复杂的机器学习模型。由此产生的皮肤结构简单、易于构建，且足够柔韧，可以包裹在机器人的身体周围，并能提供安全的人机交互所需的详细反馈。尽管目前仍存在一些局限性，例如响应存在轻微延迟以及处理极大或重叠触摸时的挑战，但该研究证实了这种双通道方法为赋予机器人真实的触觉提供了一条可扩展且有效的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。