机器人与触觉传感技术的碰撞，一文初探人类与机器人的触觉传感

形状感知算法主要包括局部形状感知和全局形状感知两类。局部形状感知类似于人类皮肤的触觉感觉，全局形状感知则是皮肤和动觉共同反馈作用的结果，例如对超出指尖范围的轮廓的感知。在一些机器人内置的内部传感器中，例如关节中的本体感受器，常被用来获取手指 / 末端执行器的位置和运动，通过将这些手指 / 末端执行器与局部特征结合起来以识别物体。

[姿态识别]

机器人实现对物体的操纵需要以精确和及时地估计物体的姿态为前提。一般情况下，使用物体（对象）相对于机器人末端效应器或全局坐标系的位置和方向描述其姿态。针对物体位置的估计即使存在很小的误差，也会导致机器人手指在物体上的位置不正确，从而产生关于抓握稳定性的错误假设，并影响操作任务的成功。因此，鲁棒、准确和快速地感知物体的姿态是任何复杂的抓取和操纵系统的关键部分。

机器人学中最常用的估计物体姿态的方法是使用计算机视觉。然而，当机器人接近要操纵的物体时，会存在遮挡的现象，进而影响视觉估计的效果。为了解决这一问题，研究人员通过引入触觉传感系统来帮助机器人确定被触摸物体的姿态。根据传感层输入的不同，姿态识别方法主要包括单点接触式传感器和触觉传感阵列。

[感知融合]

机器人必须配备不同的传感方式，才能在非结构化环境中工作。将这些不同来源的数据融合成更有意义的、更高层次的状态表征也是感知过程的一部分。多个传感器可以提供更及时、成本更低的信息。此外，由于传感器的工作速度不同，可以并行处理它们的信息。

在需要与环境交互来完成的任务中，可以将触觉感知与其他感知方式相结合，以提高任务完成的准确度和鲁棒性。典型的感知融合方式有触觉感知与视觉、动觉线索、力矩和距离感测的结合等等。

2.3 控制层（Action）

最后，我们从控制层的角度讨论触觉传感技术在机器人中的应用。丰富的触觉信息能够为执行触觉相关任务提供多种可能性，包括：触觉探索、抓取、手部操作、移动、工具操作、人机交互和无意识操作等[3]。

[触觉探索（Tactile Exploration）]

触觉探索是一种通过触觉提取未知物体属性的有效方法。人类通过多种探索方法来获得关于物体的知识，例如侧向运动、压力、封闭、轮廓跟踪、物体部分运动测试和启示性测试等。受到这些人类行为的启发，研究人员开发了多种基于触觉的探索方法用以估计机器人的控制参数，包括物体表面几何结构、材料属性、形状等。

触觉传感在机器人触觉探索中的另一个代表性应用是触觉伺服控制（Tactile servoing control），即通过单个或多个接触区域内得到的物体相关信息以确定期望的机器人与物体的接触模式（接触模式是指接触位置和力）。例如，可以使用触觉阵列通过执行滑动和滚动动作来探索物体的表面特征，从而通过最小化触觉模式的偏差来控制动作。这种方法也可用于控制机器人手进行探索，控制器利用手部多个接触区域，探索未知物体的表面，提高机器人的抓取能力。

[无意识操作（Nonprehensile Manipulation）]

无意识操作主要是指在没有明确抓取任务的情况下机器人与物体之间的交互。这种类型的操作包括推、戳、打、钩、旋转、翻转、投掷、挤压、旋转和打击等。无意识操作中的触觉感知通常用于对接触过程进行建模，并提供低水平的反馈控制，以及监控动作状态和估计物体属性等。

[抓取（Grasping）]

抓取是机器人操作中研究最广泛的一个方面，它为机器人提供了对被抓取物体的控制能力，是机器人使用工具的一个常见先决条件。与触觉探索相似，触觉抓取是提取物体属性的重要方法。触觉感知也被用于分析型抓取控制器、数据驱动抓取合成、抓取结果检测和重抓取等控制器中。分析型抓取控制器依赖于准确的接触位置、法向和力估计来计算最大化抓取质量指标的抓取姿势。而在数据驱动的方法中，机器人使用先前抓取的接触和物体信息来预测抓取质量并计算重抓取的姿势。一旦抓住了物体，触觉反馈可用于控制接触力并检测初始滑动。通过使用触觉数据检测或预测初始滑动，机器人可以自动增加抓地力以避免较大的滑动，而无需明确估计物体 - 手指摩擦系数。

[手部操作（In-Hand Manipulation）]

在手部操作中，使用机器人手的灵巧性来改变被抓取物体的状态，此时，机器人多采用的控制器包括多指机械手（Multifingered Robot Hands）、夹持器（Grippers）等。为了在保持接触的同时进行局部重新定位，首先要将物体精确地抓住，然后再使用机器人的指尖移动物体。触觉传感用于估计接触和物体信息，并主动控制手指和物体之间的接触。触觉传感也可用于直接学习从接触传感器信息到机器人手指所需关节速度的映射。

为了进一步移动物体，机器人需要用手指在不同的抓握之间进行切换，同时保持手中的物体不掉落。为此，手指需要通过触觉感应来检测手和物体之间的缝隙情况，以及接触物体的情况，从而有效地在物体表面滑动。为了更进一步的模仿人类，可以通过在受试者的手上安装触觉指套来获得带有触觉信号的滑动行为演示，用于控制机器人。

[工具操作（Tool Manipulation）]

工具操作是许多机器人操作任务中都具有的一个内容。在工具操作中引入触觉感知的一个重要前提是，任务接触必须位于物体和手持工具之间。因此，除非工具本身装有仪器，否则触点不会直接位于触觉传感器上。触觉感知可用于检测工具上的接触，定位工具提示和被操作工具的其他重要内容，监控任务进度和检测操作失败等任务。触觉反馈还可以用来估计和保持接触点的方向和力，以执行后续的控制任务。触觉感知也可用于双臂装置，以估计抓取工具的运动参数。

此外，触觉感知还可以用于控制和使用未知工具。在这类任务中，主要的挑战是没有运动学或动力学操作模型可以直接用于计算给定任务的触觉动作信息。此时，可以引入基于数据驱动的方法作为一种隐式计算操作命令的有效方法。

[运动（Locomotion）]

触觉感知不仅对完成操作任务有用，对于引导和实现机器人运动也是非常有效的。地面车辆和步行机器人，如人形机器人、四足动物、六足动物和蛇形机器人，都需要利用与环境的接触来移动。触觉感知为完成这些任务提供了对机器人状态和环境地形的估计。例如，轮式机器人可以使用触觉感知来监测它们与地面的接触。来自车轮中麦克风或加速计的振动信号可用于确定地形类型。

保持平衡是机器人站立和行走的关键部分。为了保持平衡，机器人需要使用触觉感知来估计其支撑的接触位置，以及检测可能导致其失去平衡的障碍物和其他扰动。触觉感知还可用于学习站立时的触觉运动映射。机器人步行阶段之间的转换通常由接触事件所触发，例如脚后跟与地面的接触。在这种场景中可以应用触觉感应来判断机器人的脚应该放在哪里，此时通过估计地形类型，机器人可以生成合适的步态并切换到合适的腿部控制器。

[人机交互（Human–Robot Interaction，HRI）]

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!