Self-Sensing for Proprioception and Contact Detection in Soft Robots Using Shape Memory Alloy Artificial Muscles

要約

ソフト ロボットの姿勢と加えられた力 (固有受容とも呼ばれる) を推定することは、ロボットとその環境との安全な相互作用にとって重要です。
ただし、ソフト ロボットの固有受容のほとんどのソリューションでは、特に外力に対して専用のセンサーが使用されており、設計上のトレードオフ、剛性、および故障のリスクが生じます。
この研究では、専用の力センサーを使用せず、形状記憶合金 (SMA) 人工筋肉によって作動するソフト ロボットの姿勢推定と接触検出のアプローチを紹介します。
私たちのフレームワークは、SMA の独自の材料特性を使用して、既存の完全に柔らかいリム設計における電気抵抗とその場での温度読み取り値のオフボード測定を介して内部応力を自己感知します。
我々は、これらの測定値に対する単純な多項式回帰モデルが、非接触条件下でロボットの姿勢を予測するのに十分であることを実証します。
次に、真の姿勢の追加の測定が利用できる場合 (たとえば、すでに設置されている曲げセンサーから)、自己検知信号の複数の組み合わせを使用して、接触/非接触の 2 値を予測できることを示します。
当社のハードウェア テストでは、人間のオペレーターによる接触検出テストを通じて仮説を検証します。
この概念実証は、ソフト SMA で作動するソフト ロボットの自己感知信号が固有受容と接触検出に使用できることを検証し、設計を妥協することなく固有受容をソフト ロボットに統合する方向性を示唆します。
将来の研究では、精度を高めるために機械学習を採用する可能性があります。

要約(オリジナル)

Estimating a soft robot’s pose and applied forces, also called proprioception, is crucial for safe interaction of the robot with its environment. However, most solutions for soft robot proprioception use dedicated sensors, particularly for external forces, which introduce design trade-offs, rigidity, and risk of failure. This work presents an approach for pose estimation and contact detection for soft robots actuated by shape memory alloy (SMA) artificial muscles, using no dedicated force sensors. Our framework uses the unique material properties of SMAs to self-sense their internal stress, via offboard measurements of their electrical resistance and in-situ temperature readings, in an existing fully-soft limb design. We demonstrate that a simple polynomial regression model on these measurements is sufficient to predict the robot’s pose, under no-contact conditions. Then, we show that if an additional measurement of the true pose is available (e.g. from an already-in-place bending sensor), it is possible to predict a binary contact/no-contact using multiple combinations of self-sensing signals. Our hardware tests verify our hypothesis via a contact detection test with a human operator. This proof-of-concept validates that self-sensing signals in soft SMA-actuated soft robots can be used for proprioception and contact detection, and suggests a direction for integrating proprioception into soft robots without design compromises. Future work could employ machine learning for enhanced accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google