一种用于材料分类的仿生触觉传感器的设计

虽然人类经常使用触摸来理解物理世界，但许多机器人缺乏这种能力，而是依靠相机和计算机视觉方法。最近，已经开发出高分辨率和高动态范围但低成本的触觉传感器，例如基于磁弹性体的传感器。皮肤或指纹的材料特性等仿生特征也有助于感知。

最近发表在 arXiv.org 上的一项研究通过添加仿生特征(包括指纹脊)扩展了基于磁弹性体的触觉传感器的传感能力。研究人员提出了一种以人体皮下解剖结构为模型的具有双层的低成本磁性弹性体结构。

结果表明，指纹脊显着提高了传感器在一定速度范围内对具有不同表面特性的材料进行分类的能力。

触觉传感通常涉及对未知表面和物体的主动探索，使其在处理材料和纹理的特性方面特别有效。人类触觉感知提取的一个关键属性是表面粗糙度，它依赖于使用多层指尖结构测量振动信号。现有的机器人系统缺乏能够提供高动态感应范围、感知材料特性并保持较低硬件成本的触觉传感器。在这项工作中，我们介绍了一种微型低成本触觉传感器的参考设计和制造过程，该传感器由仿生皮肤结构组成，包括人造指纹、真皮、表皮和用作机械感受器的嵌入式磁传感器结构。将机械信息转换为数字信号。所提出的传感器能​​够通过霍尔效应检测高分辨率磁场数据，并为材料纹理分类创建高维时频域特征。此外，我们通过模拟和物理实验研究了不同表面传感器指纹模式对材料分类的影响。在提取时间序列和频域特征后，我们评估了一个用于区分不同材料的 k 最近邻分类器。我们的实验结果表明，我们的带有指纹脊的仿生触觉传感器可以对材料进行分类，其准确度比无脊传感器高 8% 以上，且可更低。这些结果，以及我们传感器的低成本和可定制性，