当前位置：首页 > news >正文

《面向物理交互任务的触觉传感阵列仿真》2020AIM论文解读

news 2025/9/30 10:49:25

一、Abstract（摘要）

二、INTRODUCTION（引言）

1. 核心痛点：模拟器的 “接触可靠性失衡”

2. 传统仿真的难题与现有方案

3. 本文的第一个贡献

三、SIMULATED SENSOR（模拟传感器）

1. 仿真传感器的整体流程

2. 传感器的 “虚拟形态”

3. 模拟 “力的扩散”：点扩散函数（PSF）

4. 计算 “真实接触力”

5. 生成触觉图像：算法 1

四、SENSOR CHARACTERIZATION（传感器表征）

1. 表征设备与流程

2. 步骤 1：校准 “力 - 输出关系”

3. 步骤 2：测量 “刚度与最大穿透深度”

五、TACTILE SERVOING FOR EDGE ORIENTATION CONTROL（触觉伺服：边缘定向控制）

1. 接触特征提取：从图像到方向

2. 控制架构

六、VALIDATION AND APPLICATION（验证与应用）

1. 静态实验：对比真实与仿真触觉图像

2. 动态实验：2 自由度云台的边缘伺服

3. 复杂场景：笛卡尔空间机器人手的边缘伺服

七、CONCLUSION（结论）

1. 研究总结

2. 未来计划

一、Abstract（摘要）

仿真世界是自主机器人新算法开发的重要 “加速器”，本文提出一套虚拟触觉伺服框架。该框架包含触觉传感阵列的通用模型 —— 通过 “实证表征流程”（即从真实传感器获取关键参数），能精准模拟真实触觉阵列的行为。获得精确传感器模型后，可通过控制触觉图像中提取的 “接触特征”（如点、线），实现多种触觉伺服方案。为验证可靠性，研究团队用不同传感器和机器人开展实验，证明框架生成的仿真结果与真实实验结果高度一致。

二、INTRODUCTION（引言）

引言先指出行业痛点，再分析原因，最后引出本文方案，为后续研究铺垫。

1. 核心痛点：模拟器的 “接触可靠性失衡”

当前物理世界模拟器存在明显局限：在无需接触的应用中（如机器人无故障自适应学习），仿真足以提供数据支持；但在需精细物理交互的场景中（如安全人机协作），必须依赖真实实验采集原始信号才能解决问题。这种失衡的根源，是物理引擎难以准确仿真 “触觉传感阵列”—— 这类阵列能为机器人提供 “连杆与环境间的接触力分布”（通过行列排列的多个感应单元实现），而随着机器人 “精细灵巧操作” 需求增加，触觉传感阵列的仿真需求也愈发迫切（仿真可加速设计与落地）。

2. 传统仿真的难题与现有方案

触觉传感阵列仿真的核心难点是 “表面形变模拟”：当接触力施加时，传感器软表层会发生形变，传统方法用 “弹性理论” 计算形变，但存在 “计算成本高、解不唯一” 的问题（因需用逆滤波技术）。为解决此问题，前人提出多种方案（如表 1），各有特点：

SkinSim [6]：在 Gazebo 环境中，将每个感应单元建模为 “带虚拟弹簧的球形刚体”，通过弹簧位移反映传感器响应；
OpenGrasp 皮肤 [7]：仅用一个刚体（表面三角化），通过每个三角形的力响应生成传感器信号；
RobWorkSim（ODE 引擎）[8]：用多项式函数拟合弹性表面形变（基于 WeissRobotics 电阻式传感器的实证数据）；
PPS 模型 [4]：将触觉传感器视为 “接近传感器阵列”，忽略材料物理特性，用 “点扩散函数（PSF）” 处理感应单元间的信号串扰。

3. 本文的第一个贡献

针对现有方案的不足，本文提出融合式方法：整合 Gazebo 环境兼容性、真实接触力考量、PSF 实证表征三大优势，既能模拟传感器软表层对触觉图像的影响，又能保证仿真精度。

三、SIMULATED SENSOR（模拟传感器）

这是全文核心，详细讲解 “如何在虚拟环境中复现真实触觉传感器”，包含 3 个关键环节：传感器建模、接触力计算、触觉图像生成。

1. 仿真传感器的整体流程

图 1 展示了从 “真实传感器” 到 “虚拟触觉图像” 的完整 pipeline：

实证表征：先对真实传感器做 “体检”，获取刚度、力扩散规律等关键参数；
虚拟建模：在 Gazebo 中构建传感器的 “三角化网格模型”（可集成到 ODE 物理引擎）；
碰撞力计算：ODE 引擎模拟 “传感器与物体碰撞”，输出接触力分布；
力扩散模拟：用 PSF 处理接触力，模拟软表层的形变效应；
触觉图像与特征提取：生成虚拟触觉图像，用计算机视觉提取接触特征（如边缘）；
机器人控制：将特征传给 ROS（机器人操作系统），控制机器人位姿（如调整位置对准物体）。

2. 传感器的 “虚拟形态”

图 2 展示了 4 类关键传感器（3 种真实、1 种虚拟），确保虚拟模型与真实一致：

(a) WeissRobotics 电阻式传感器：机器人常用，感应单元（tactel）按行列排列；
(b) Pressure Profile Systems（PPS）电容式传感器：6×4 阵列结构；
(c) CEA-LIST 实验室自研电容式传感器；
(d) Weiss 传感器的虚拟模型：6 行 14 列（共 84 个 tactel），每个 tactel 用 2 个三角形表示，坐标为x=i·3.4mm、y=j·3.4mm（3.4mm 是真实感应单元的尺寸）。

3. 模拟 “力的扩散”：点扩散函数（PSF）

真实传感器的软表层会导致 “接触力扩散”（按一个点，周围 tactel 也会有响应），本文用二维高斯函数（PSF）模拟这一过程：

高斯函数公式：g(a,b)=1/(2πσ²)·e^(-(a²+b²)/(2σ²))，其中σ是正态分布参数（控制扩散范围），a×b是卷积核尺寸（本文取 3×3）；
仿真触觉图像计算：将 ODE 输出的接触力F_sim(i,j)与高斯函数卷积，得到I_sim(i,j)=F_sim(i,j)*g(a,b)（*表示卷积），即每个 tactel 的最终响应；
效果验证（图 3）：(a) 虚拟场景：Shadow 机器手（掌心带 Weiss 传感器）与橙色物体接触；(b) 原始接触力图像：仅接触点有响应，不符合真实；(c) 卷积后图像：接触力向周围扩散，与真实传感器一致（红色线为接触轮廓，蓝色线为主成分方向，后续控制会用到）；
关键参数：通过对比真实与仿真接触模式，确定σ=0.5、3×3 卷积核，确保扩散效果真实。

4. 计算 “真实接触力”

虚拟接触力F_sim是仿真的基础，由 ODE 物理引擎计算：

引擎原理：模拟 “弹簧 - 阻尼系统”，允许物体轻微穿透传感器（如真实软表层的形变），基于接触物体的刚度、摩擦系数，输出 “法向力”（垂直于传感器表面）和 “切向力”（平行表面）；
简化处理：因实验中摩擦系数低，忽略切向力，仅考虑法向力F_n；
力的求和与归一化：对每个 tactel（i₀,j₀），求和其尺寸范围内（Δx×Δy×Δz）的所有法向力，再用k_scale（缩放因子）归一化，确保与真实传感器的最大输出一致，同时按真实传感器带宽做时间下采样。

5. 生成触觉图像：算法 1

算法 1 将上述步骤整合，标准化 “虚拟触觉图像生成” 流程：

输入参数：传感器三角化网格、真实刚度系数、表层厚度、机器人位姿；
计算接触力：ODE 引擎输出Nx×Ny（行列数）的接触力矩阵；
力缩放：按公式（2）计算F_sim(i,j)；
卷积生成图像：按公式（1）计算I_sim(i,j)；
输出：仿真触觉图像I_sim。

四、SENSOR CHARACTERIZATION（传感器表征）

仿真参数需从真实传感器获取，这一步叫 “表征”—— 用专用设备测真实传感器的关键参数（如力 - 输出关系、刚度），为仿真提供 “基准”。

1. 表征设备与流程

实验对象是 WeissRobotics WTS0614 电阻式传感器（输出 12 位原始电压值），核心设备包括：

(a) Proxxon mf70 三轴手动平台：精度高（水平 0.2mm，垂直 0.05mm），用于控制压头精准接触传感器；
(b) ATi Nano17 力扭矩传感器：作为 “基准设备”，精准测量接触力，下方接 3D 打印的 1mm 直径圆柱压头；
(c) tactel 位置图：标注每个感应单元的坐标，避免压错位置；
实验流程：将传感器固定在平台上，压头对准每个 tactel 中心，缓慢压至传感器输出饱和，同步记录 “压入深度”“传感器输出”“基准力”（用 ROS 同步数据，避免时间差）。

2. 步骤 1：校准 “力 - 输出关系”

真实传感器的输出与受力并非完全线性，需校准：

线性范围：实验发现传感器在 0.2N~1.8N 范围内线性良好，换算系数k_out→force=(1.8-0.2)/(3840-0)=0.0004 N/单位输出（即输出 3840 对应 1.8N）；
灵敏度差异：中心 tactel（如 15 号）比边缘 tactel（如 1 号）更灵敏 —— 因传感器橡胶从侧面固定，边缘橡胶更硬，需对每个 tactel 单独校准；
图 5 (b)：纵轴为传感器原始输出，横轴为基准力，黑色线为线性拟合，直观展示力 - 输出关系。

3. 步骤 2：测量 “刚度与最大穿透深度”

刚度（压入 1mm 所需的力）是仿真中 “形变模拟” 的关键参数：

重复性问题：图 6 (a) 显示，同一 tactel（39 号）多次受压，输出有波动 —— 因真实橡胶存在 “蠕变”（力不变时输出缓慢变化）、温度影响，但仿真可避免这些误差；
刚度计算：图 6 (b) 是 “基准力 - 压入深度” 曲线，红色线为线性拟合，算出刚度k≈2 N/m（压入 1mm 需 2N）；
最大穿透深度：传感器能承受的最大压入距离，作为仿真的 “形变边界”，确保虚拟形变不超出真实范围。

五、TACTILE SERVOING FOR EDGE ORIENTATION CONTROL（触觉伺服：边缘定向控制）

有了真实的虚拟触觉图像，下一步是 “用触觉反馈控制机器人”—— 本文以 “边缘定向控制” 为例，说明如何通过触觉特征实现精准控制，配套图 7 展示控制架构。

1. 接触特征提取：从图像到方向

机器人与物体接触时，触觉图像中会出现 “点接触” 或 “边缘接触”，本文聚焦 “边缘接触”：

边缘方向计算：用主成分分析（PCA） 提取触觉图像中接触点的 “主成分 U₁”——U₁是接触点分布最广的方向（即边缘方向）；
角度公式：边缘与传感器 x 轴的夹角α_z=tan⁻¹(U₁/eₓ)，其中eₓ是传感器 x 轴的基向量。

2. 控制架构

核心逻辑是 “对比期望与实际边缘方向，调整机器人位姿”：

设定 “期望边缘方向”（如与传感器 x 轴平行）；
按算法 1 生成仿真触觉图像I_sim，用 PCA 提取 “实际边缘方向”；
计算方向误差Δx（实际与期望的差值）；
将误差传给机器人的笛卡尔位置控制器，调整末端执行器位姿，直至误差为零。

六、VALIDATION AND APPLICATION（验证与应用）

为证明框架的可靠性，研究团队开展 3 类实验（静态→动态→复杂场景），用真实数据验证仿真精度，配套图 8-12 展示实验结果。

1. 静态实验：对比真实与仿真触觉图像

静态场景指 “接触力不随时间变化”，实验对象是 Weiss 传感器：

实验设计：用不同形状的压头（如六边形），分别对真实传感器（加载 100g/500g 重物）和虚拟传感器施压，对比两者的触觉图像；
图 8 效果：(a) 真实触觉图像（六边形压头）；(e) 仿真触觉图像；肉眼可见两者 “亮区”（受力大的 tactel）分布一致；
定量误差：用d_I,σ=<I_sim,I_real>（仿真与真实图像的强度差）衡量相似度，图 9 显示，不同角度（0°/45°/90°）、不同负载下，误差中位数约 5%—— 精度足以支持动态场景验证。

2. 动态实验：2 自由度云台的边缘伺服

动态场景指 “接触力随时间变化”，实验平台是带 3 个 PPS 电容式传感器的 2 自由度云台（图 10）：

平台参数：由 2 个 Dynamixel AX12 电机驱动，控制带宽 100Hz，传感器用三角化网格建模；
实验场景：圆柱形物体与传感器接触，通过 PID 控制器调整云台旋转角度，使触觉图像中的边缘方向对准期望方向（图 11 (a)）；
结果：图 11 (b) 中，红色线为实际边缘方向，绿色线为期望方向，5 秒后收敛（仅用比例增益，可通过调参加快响应）—— 证明仿真能处理动态接触，触觉伺服有效。