柔性双模态传感器设计 为机器人触觉与非接触距离感知打造 (柔性双变频技术)

柔性传感器的发展一直是触觉感知技术的挑战之一。传统的非接触式传感方法通常包括视觉识别和声学反射检测。视觉识别适用于长距离检测，但受到分辨率限制，且容易受到其他物体的遮挡。声学反射检测可以用于短距离和长距离检测，但是超声波发射会消耗大量功率，限制了其应用范围。传统的非接触式传感方法通常难以应用于柔性传感器中。

最近，浙江大学机械306实验室的陈志坚硕士提出了一种新型的柔性双模态传感器，具有高灵敏的接触式压力传感和精确的非接触式距离检测功能，用于智能机器人感知。该研究成果发表在国际期刊《Journal of Intelligent Manufacturing》上，得到了国家自然科学基金、东海实验室科学基金和中央高校基础研究基金等项目的资助。

该传感器的结构如图1所示，上层为基于电场检测原理的平面叉指电极阵列，用于非接触距离信息的测量。下层为截锥形压力传感单元，用于测量外部接触压力。这两种感知单元通过级联组件和不同的检测单元嵌套布置进行封装，以减少不同信号之间的干扰。传感器的工作原理和制造流程如图2和图3所示。

制备的柔性双模态传感器具有0.33V/N的压力检测高灵敏度，以及5.5N的压力检测范围。在4cm范围内，对绝缘物体和导电物体均具有高灵敏度的距离检测能力，同时具有良好的信号稳定性和可重复性。具体的信号测试结果如图4和图5所示。

随后，将双模态传感器安装在机械臂上，进行物体的抓取和碰撞检测实验。结果表明，该传感器可以准确测量物体之间的分布接触力和距离，实现全过程的触觉感知。所提出的传感器在机器人操纵和安全工作应用中具有巨大的潜力。具体实验结果如图6和图7所示。

审核编辑：刘清

原文标题：用于机器人触觉和非接触距离感知的柔性双模态传感器

工业机器人需要哪些感觉?为什么?

1 视觉感知 视觉系统由于获取的信息量更多更丰富，采样周期短，受磁场和传感器相互干扰影响小，质量轻，能耗小，使用方便经济等原因，在很多移动机器人系统中受到青睐。 视觉传感器将景物 的光信号转换成电信号。 目前，用于获取图像的视觉传感器主要是数码摄像机。 在视觉传感器中主要有单目、双目与全景摄像机3种。 单目摄像机对环境信息的感知能力较弱，获取的只是摄像头正前方小范围内的二维环境信息； 双目摄像机对环境信息的感知能力强于单目摄像机，可以在一定程度上感知三维环境信息，但对距离信息的感知不够准确； 全景摄像机对环境信息感知的能力强，能在360度范围内感知二维环境信息，获取的信息量大，更容易表示外部环境状况。 但视觉传感器的缺点是感知距离信息差、很难克服光线变化及阴影带来的干扰并且视觉图像处理需要较长的计算时间，图像处理过程比较复杂，动态性能差，因而很难适应实时性要求高的作业。 2 听觉感知 听觉是人类和机器人识别周围环境很重要的感知能力，尽管听觉定位精度比是决定为精度低很多，但是听觉有很多其它感官无可比拟的疼醒。 听觉定位是全向性的，传感器阵列可以接受空间中的任何方向的声音。 机器人依靠听觉可以工作在黑暗环境中或者光线很暗的环境中进行声源定位和语音识别，这是依靠视觉不能实现的。 目前听觉感知还被广泛用于感受和解释在气体（非接触感受）、液体或固体（接触感受）中的声波。 声波传感器复杂程度可以从简单的声波存在检测到复杂的声波频率分析， 直到对连续自然语言中单独语音和词汇的辨别，无论是在家用机器人还是在工业机器人中，听觉感知都有这广泛的应用。 3 触觉感知 触觉是机器人获取环境信息的一种仅次于视觉的重要知觉形式, 是机器人实现与环境直接作用的必需媒介。 与视觉不同, 触觉本身有很强的敏感能力可直接测量对象和环境的多种性质特征。 因此触觉不仅仅只是视觉的一种补充。 触觉的主要任务是为获取对象与环境信息和为完成某种作业任务而对机器人与对象、环境相互作用时的一系列物理特征量进行检测或感知。 机器人触觉与视觉一样基本上是模拟人的感觉, 广义的说它包括接触觉、压觉、力觉、滑觉、冷热觉等与接触有关的感觉, 狭义的说它是机械手与对象接触面上的力感觉。 机器人触觉能达到的某些功能, 虽然其它感觉如视觉也能完成, 但具有其它感觉难以替代的特点。 与机器人视觉相比, 许多功能为触觉独有。 即便是识别功能两者具有互补性，触觉融合视觉可为机器人提供可靠而坚固的知觉系统。

机器人触觉传感器的分类及作用

随着智能化的程度提高，机器人传感器应用越来越多。 智能机器人主要有交互机器人、传感机器人和自主机器人3种。 从拟人功能出发，视觉、力觉、触觉最为重要，早已进入实用阶段，听觉也有较大进展，其它还有嗅觉、味觉、滑觉等，对应有多种传感器，所以机器人传感产业也形成了生产和科研力量。 内传感器机器介机电一体化的产品，内传感器和电机、轴等机械部件或机械结构如手臂（Arm）、手腕（Wrist）等安装在一起，完成位置、速度、力度的测量，实现伺服控制。 位置（位移）传感器直线移动传感器有电位计式传感器和可调变压器两种。 角位移传感器有电位计式、可调变压器（旋转变压器）及光电编码器三种，其中光电编码器有增量式编 码器和绝对式编码器。 增量式编码器一般用于零位不确定的位置伺服控制，绝对式编码器能够得到对应于编码器初始锁定位置的驱动轴瞬时角度值，当设备受到压力 时，只要读出每个关节编码器的读数，就能够对伺服控制的给定值进行调整，以防止机器人启动时产生过剧烈的运动。 速度和加速度传感器速度传感器有测量平移和旋转运动速度两种，但大多数情况下，只限于测量旋转速度。 利用位移的导数，特别是光电方法让光照射旋转圆盘，检测出旋转频率 和脉冲数目，以求出旋转角度， 及利用圆盘制成有缝隙，通过二个光电二极管辨别出角速度，即转速，这就是光电脉冲式转速传感器。 此外还有测速发电机用于测速等。 力觉传感器力觉传感器用于测量两物体之间作用力的三个分量和力矩的三个分量。 机器人中理想的传感器是粘接在依从部件的半导体应力计。 具体有金属电阻型力觉传感器、半导体型力觉传感器、其它磁性压力式和利用弦振动原理制作的力觉传感器。 由于机器人发展历史较长，近年来普遍采用以交流永磁电动机为主的交流伺服系统，对应位置、速度等传感器大量应用的是：各种类型的光电编码器、磁编码器和旋转变压器。 外传感器以往一般工业机器人是没有外部感觉能力的，而新一代机器人如多关节机器人，特别是移动机器人、智能机器人则要求具有校正能力和反应环境变化的能力，外传感器就是实现这些能力的。 触觉传感器微型开关是接触传感器最常用型式，另有隔离式双态接触传感器（即双稳态开关半导体电路）、单模拟量传感器、矩阵传感器（压电元件的矩阵传感器、人工皮肤——变电导聚合物、光反射触觉传感器等）。 应力传感器如多关节机器人进行动作时需要知道实际存在的接触、接触点的位置（定位）、接触的特性即估计受到的力（表征）这三个条件，所以用上节已指出的应变 仪，结合具体应力检测的基本假设，如求出工作台面与物体间的作用力，具体有对环境装设传感器、对机器人腕部装设测试仪器用传动装置作为传感器等方法。 接近度传感器由于机器人的运动速度提高及对物体装卸可能引起损坏等原因需要知道物体在机器人工作场地内存在位置的先验信息以及适当的轨迹规划，所以有必要应用测量接近度的遥感方法。 接近传感器分为无源传感器和有源传感器，所以除自然信号源外，还可能需要人工信号的发送器和接收器。 超声波接近度传感器用于检测物体的存在和测量距离。 它不能用于测量小于30~50cm的距离，而测距范围较大，它可用在移动机器人上，也可用于大型机器人的夹手上。 还可做成超声导航系统。 声觉传感器用于感受和解释在气体（非接触感受）、液体或固体（接触感受）中的声波。 声波传感器复杂程度可以从简单的声波存在检测到复杂的声波频率分析， 直到对连续自然语言中单独语音和词汇的辨别。 接触式或非接触式温度传感器近年在机器人中应用较广，除常用的热电阻（热敏电阻）、热电偶等外，热电电视摄像机测及感觉温度图像方面也取得进展。 滑觉传感器用于检测物体的滑动。 当要求机器人抓住特性未知的物体时，必须确定最适当的握力值，所以要求检测出握力不够时所产生的物体滑动信号。 目前有利用光学系统的滑觉传感器和利用晶体接收器的滑觉传感器，后者的检测灵敏度与滑动方向无关。 距离传感器用于智能移动机器人的距离传感器有：激光测距仪（兼可测角）、声纳传感器等，近几年得到发展。 视觉传感器这是应用很广泛的外传感器，有鉴于它的内容很丰富，而且机器视觉经常独立形成产品，与软件技术关系很密切。

这项研究发明，机器人手指的触觉感知，越来越接近人类皮肤的触觉

为了改善机器人技术中的触摸感应，科学家们开发了一种拇指形传感器，其中隐藏了一个摄像头，并训练了一个深度神经网络来推断其触觉接触信息。当有东西接触手指时，系统会根据其柔性外壳的可见变形构造一个三维力图。这项研究发明显着改善了机器人手指的触觉感知，越来越接近人类皮肤的触觉。

在 2022 年 2 月 23 日发表在 Nature Machine Intelligence 上的一篇论文中，马克斯普朗克智能系统研究所 (MPI-IS) 的一组科学家介绍了一种名为“Insight”的强大软触觉传感器，它使用计算机视觉和深度神经网络准确估计物体与传感器接触的位置以及施加的力有多大。该研究项目是朝着机器人能够像人类和动物一样准确地感知周围环境迈出的重要一步。与其天然对应物一样，指尖传感器非常灵敏、坚固且分辨率高。

拇指形传感器由软壳制成，围绕轻质坚硬的骨架构建。这个骨架支撑着这个结构，就像骨头稳定了柔软的手指组织一样。外壳由混合了深色但反光铝片的弹性体制成，形成不透明的灰色，可防止任何外部光线进入。隐藏在这个手指大小的盖子内的是一个微型 160 度鱼眼摄像头，可记录由一圈 LED 照亮的彩色图像。

当任何物体接触传感器外壳时，传感器内部颜色图案的外观会发生变化。相机每秒记录多次图像，并将这些数据提供给深度神经网络。该算法甚至可以检测到每个像素中最小的光线变化。在几分之一秒内，经过训练的机器学习模型可以绘制出手指接触物体的确切位置，确定力的强度并指示力的方向。该模型推断出科学家所说的力图：它为三维指尖中的每个点提供了一个力向量。

“我们通过外壳的创新机械设计、内部定制的成像系统、自动数据收集和尖端的深度学习实现了这种出色的传感性能，”MPI-IS 的马克斯普朗克研究小组负责人 Georg Martius 说，他在那里他领导自主学习小组。他的博士学位。学生孙焕波补充道：“我们独特的软壳混合结构包裹着坚硬的骨架，确保了高灵敏度和稳健性。我们的相机可以从一张图像中检测到表面的最轻微变形。” 事实上，在测试传感器时，研究人员意识到它足够敏感，可以感觉到自己相对于重力的方向。

期刊参考

Materialsprovided by Max Planck Institute for Intelligent Systems. Note: Content may be edited for style and length.