High-Sensitivity Vision-Based Tactile Sensing Enhanced by Microstructures and Lightweight CNN

要約

触覚センシングは、人間の触覚をエミュレートして刺激を検出することにより、高度なインタラクティブ システムにおいて重要です。
視覚ベースの触覚センサー (VBTS) は、豊富な情報、堅牢性、適応性、低コスト、マルチモーダル機能を提供する能力が期待されています。
ただし、現在のテクノロジーには、感度、空間解像度、深層学習ベースの画像処理の高い計算要求の点で依然として限界があります。
この論文では、新しいセンサー構造と微細加工構造および効率的な画像処理方法を組み合わせた包括的なアプローチを紹介し、センサー ハードウェア内の慎重に設計された微細構造により、計算負荷を軽減しながら感度を大幅に向上できることを実証します。
トラッキング マーカーを備えた従来の設計とは異なり、当社のセンサーには、微細構造の一例として微細加工された溝を備えた界面表面が組み込まれており、光の透過を調整し、加えられた力に応じた変化を増幅します。
明るさ、配線幅、クロスパターンの位置の変化をカメラで捉えることで、センサーは軽量の畳み込みニューラルネットワーク(CNN)により接触位置、変位の大きさ、加えられた力を正確に推定します。
理論的および実験的結果は、微細構造が形状歪みの視覚効果を増幅することにより感度を大幅に向上させることを実証しました。
センサー システムは 10 mN 未満の力を効果的に検出し、ミリメートル レベルの単一点空間分解能を達成しました。
畳み込み層が 1 つだけあるモデルを使用すると、0.05 mm 未満の平均絶対誤差 (MAE) が達成されました。
ソフト センサー本体はソフト ロボットやウェアラブル電子機器との互換性を確保し、電気的クロストークや干渉に対する耐性により、複雑なヒューマン マシン環境における信頼性を保証します。

要約(オリジナル)

Tactile sensing is critical in advanced interactive systems by emulating the human sense of touch to detect stimuli. Vision-based tactile sensors (VBTSs) are promising for their ability to provide rich information, robustness, adaptability, low cost, and multimodal capabilities. However, current technologies still have limitations in sensitivity, spatial resolution, and the high computational demands of deep learning-based image processing. This paper presents a comprehensive approach combining a novel sensor structure with micromachined structures and an efficient image processing method, and demonstrates that carefully engineered microstructures within the sensor hardware can significantly enhance sensitivity while reducing computational load. Unlike traditional designs with tracking markers, our sensor incorporates an interface surface with micromachined trenches, as an example of microstructures, which modulate light transmission and amplify the variation in response to applied force. By capturing variations in brightness, wire width, and cross pattern locations with a camera, the sensor accurately infers the contact location, the magnitude of displacement and applied force with a lightweight convolutional neural network (CNN). Theoretical and experimental results demonstrated that the microstructures significantly enhance sensitivity by amplifying the visual effects of shape distortion. The sensor system effectively detected forces below 10 mN, and achieved a millimetre-level single-point spatial resolution. Using a model with only one convolutional layer, a mean absolute error (MAE) below 0.05 mm have been achieved. Its soft sensor body ensures compatibility with soft robots and wearable electronics, while its immunity to electrical crosstalk and interference guarantees reliability in complex human-machine environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google