以下文章来源于仿生软体与智能机器人 ，作者柴文青
简介
今天介绍一篇具有力自解耦的超分辨率触觉传感软磁皮肤。人类拥有超乎寻常的触觉感知能力，来源于我们的皮肤，从这点出发，机械皮肤主要的功能研究也在于其感知能力。作者设计了一种具有自解耦和超分辨率的软体触觉传感器，来模仿人类皮肤的力传感能力。这些特性是通过一种由柔性薄膜，有机硅弹性体层和霍尔传感器组成的夹层结构实现的。
该传感器主要的两大创新点是实现自解耦和超分辨率的触觉感知。其中（1）自解耦：柔性磁片采用多对南北磁极进行正弦磁化，克服了传统磁基触觉传感器的强交叉耦合效应问题，因此该传感器可以自然地解耦法向力和剪切力，进而简化传感器结构和校准过程；（2）超分辨率：通过深度学习实现60倍的超分辨率。
触觉传感器设计
该传感器的具体介绍如下图，(A) 说明人体皮肤结构和3X3阵列中具有平面的软体触觉传感器；(B) 触觉传感器的工作原理说明，当对外层施加外力时，嵌入中间的霍尔传感器根据磁通密度的变化感知磁膜的法向/剪切方向的变形，再通过PCB板转换为电信号。
传感器自解耦机构
传感器的自解耦能力是通过在柔性磁膜(即顶层)中适当设计磁化方向而实现的。在这里，作者以正弦模式对柔性磁铁进行磁化，导致薄膜下的磁场分布根据磁强度B和磁比RB有两个自解耦的分量，如下图2所示。在这种情况下，总磁通密度B(x,z)独立于x坐标，磁比RB(x,z)独立于z坐标，表明B(x,z)和RB(x,z)在x-z平面上固有解耦，因此我们可以将它们的符号分别简化为B(z)和RB(x)。
如上图所示，磁化薄膜在外力的作用下，由位置(x0,z0)移动到位置（x1,z1），可以推导出力分量与磁信号变化的关系。
正如下方的公式所示，Fz仅仅与磁强度B相关，Fx仅仅与磁强度RB相关, 且由于B与RB相互独立，因此，理论上验证传感器输出的法向力与剪切力是解耦的。
而在实验中，同样也得到了验证，如下图中（F）图为法向载荷Fz下法向力输出与磁强度测量B的关系，(G) 剪切力和法向力作用下的磁力强度B, 结果表明B随Fz的增大而增大，但在不同Fx时保持不变，说明磁强度的变化与剪切载荷无关。(H) 为X和Z方向上的位移荷载下的法向力输出，其中法向力仅随着Z变化量的增大而增大，这表明所预测的法向力与剪切荷载无关。相对情形下，所预测的剪切向力与法向荷载无关。总之，上述理论得以实验验证合理。
机器学习增强触觉超分辨率
如图5，作者在3x3霍尔传感器阵列上覆盖了一个类似于人体皮肤连续结构的连续磁铁片，以比较我们的传感器和人体皮肤对外部刺激的响应。我们的传感器在感受野与人体皮肤具有很高的相似性，从而导致对外部负载的响应相似。特别是当球形物体接触传感器的热点(即:具有最大灵敏度的位置)，并随着接触远离热点而减小。
与人类的生物高灵敏度类似，人工触觉超分辨率是一种利用相邻紫杉树的重叠感受域来感知刺激细节的技术。对于传统的触觉传感器阵列，由于紫杉树密度低，物理分辨率通常较粗，但较高的紫杉树密度会导致电线连接拥挤，数据采集时间较长，以及潜在的串音效应。作为一种替代方法，人工触觉超分辨率技术可以在不引入高密度紫杉树的情况下提高传感器的空间分辨率。
如图6所示，当球与传感器表面接触时，z方向上测得最大磁通密度的紫杉醇(BzS5)是距离接触点最近的紫杉醇(即9个紫杉醇中S5被激活最多)。然后，仅通过检查传感器测量的相应磁通密度的符号，即Bx读数(BxS5 > 0)和by读数(ByS5 > 0)，即可将接触区域进一步缩小到紫杉S5的右上角。通过上述定性分析，无需预校准，定位精度可提高两倍(从6 mm提高到3 mm)(S7至S9)。作者使用了两个如图6中的具有相同架构的神经网络进行精确位置和力度大小的测量。
自适应抓取和遥操作穿线
由于具有自解耦能力，我们的触觉传感器可以满足机器人技术中具有挑战性的要求。将传感器安装在机械手上演示了在动态拖曳力下抓取鸡蛋的过程以及使用机械手，通过按压触觉传感器在不同区域进行远程控制完成穿针引线任务。
参考文献：Yan Y, Hu Z, Yang Z, et al. Soft magnetic skin for super-resolution tactile sensing with force self-decoupling[J]. Science Robotics, 2021, 6(51): eabc8801.
转自：“i学术i科研”微信公众号
如有侵权，请联系本站删除！
