软体机械手的触觉传感技术研究-针对不同典型触觉传感器的主要性能对比分析

触觉感知技术在人机交互L域具有重要价值。分布在软体机械手的触觉传感器能够在非结构化的场景交互中为人们提供多模态感知信息，如接触状态（稳态、滑动、扭转等）、表面特征（粗糙度、纹理、曲率等）、物理属性（形状、重量、刚度等），这些信息对于机器人与环境、环境与人，人与机器人的安全交互、灵巧操作起到了至关重要的作用。具有触觉感知的软体机械手将更具智能化、安全性和灵促进这一L域的研究发展。

作者在文章中先分别就传感原理及其结构介绍了应用于软体机械手的触觉传感器，包括电容式触觉传感器、压阻式触觉传感器、压电式触觉传感器、基于视触觉传感器、光纤布拉格光栅触觉传感器、摩擦电式触觉传感器、电磁式触觉传感器、智能纺织品和纤维等先进的触觉传感器，并针对不同典型触觉传感器的主要性能（如灵敏度、量程、分辨率等）及传感优缺点进行了对比分析。此外，作者还讨论了触觉传感器系统集成方法，包括用于检测各种刺激的先进触觉传感器、数据传输与功耗管理。

与传统的刚性机械手相比，软体机械手具有与非结构化环境交互更安全、变形能力更灵活的优点，为了增强智能感知能力，研究人员采用了大量的触觉传感器来获取抓取物体信息。作者分别从力感知、物体属性感知、滑动感知，以及融合感知四个方面分别探索了不同的触觉感知模态，分析并对比了用于软抓手触觉感知的典型机器学习方法。此外，作者还讨论了用于软抓手的触觉传感技术的特殊要求。

近年来，机器人和刚性机械手得到了广泛的应用，而软体机械手的出现，将任务操作的性能提G到了一个新的层面。文章作者分别从水下、医疗、农业、工业L域介绍了软体机械手的应用场景，如水下活体生物抓取、神经假肢、果蔬采摘与分类、货物搬运等。

触觉传感器存在的问题和挑战：

（1）研发先进的触觉感知传感器。目前的柔性触觉传感器，其耐用性和可靠性低、复杂度G、兼容性较差、灵活性低、寿命低。此外，用于大面积压力检测的触觉传感器阵列和旨在获得多种传感器功能的多模态触觉传感器将成为集成触觉传感器系统的发展趋势，该L域尚未取得重大突破。

（2）算法的有效性不足。近年来，CNN、DNN、SVM等机器学习算法被广泛应用于触觉感知信息的分析。然而，人工智能算法训练时间成本较G，且泛化能力仍然不足，导致感知的准确性不是很G。因此，G效的算法在处理软体机械手的触觉感知信息方面具有重要作用。

（3）欠缺可靠的控制策略。目前，大多数软体机械手仅停留在触觉感知水平，为了使软抓器安全、自适应地抓取目标，基于触觉传感器的触觉信息需要可靠的闭环控制策略。由于软材料的影响，这些闭环控制策略需要具有快速响应、G控制精度和抗干扰等特点。

（4）成本方面。降低软抓手的复杂触觉感知系统的成本也不容忽视，不仅要考虑触觉传感器的成本，还要考虑硬件设备、控制系统、软件等的成本。

为了解决触觉传感技术在软抓手应用中面临的挑战，未来可考虑以下几方面进行深入研究：

（1）结构：为提G触觉感知性能，除传统的创新手段改善微观工程结构外，我们还可从自然界中汲取灵感，利用仿生机制设计各种微观触觉感知微观结构，如捕蝇草的应激反应、小鼠的触须等。

（2）材料：考虑采用非聚合物材料，可通过创造额外的自由体积空间来减少聚合物链的变形，以提G传感器的响应速度，解决粘弹性引起的迟滞效应。此外，开发出更具生物相容性和类似生命性的新型软材料，以及抗疲劳的天然合成人工肌肉组织。

（3）制造方法：在3D打印的基础上发展可以从多个参数进行调整的增材制造技术，如可变刚度材料打印、微纳米多层结构材料打印等。

（4）算法及控制：一是结合大模型开发更G效的机器学习算法实现海量触觉信息的准确识别，二是将神经网络控制与经典控制方法结合实现软抓手的准确操作。