Learning-enhanced electronic skin for tactile sensing on deformable surface based on electrical impedance tomography

要約

電気インピーダンス断層撮影（EIT）ベースの触覚センサーは、ロボットセンシングのための費用対効果の高いスケーラブルなソリューションを提供し、特にソフトロボットに有望です。
ただし、非常に変形可能なオブジェクトに適用された場合のEITベースの触覚センサーの主要な問題は、表面変形による性能劣化です。
この制限は、柔らかい体で特に悪化する固有の感度に由来するため、測定されているパラメーターと形状の変化に由来する信号を解くために専用のデータ解釈が必要です。
これにより、実用的な実装がほぼ制限されています。
このペーパーでは、表面の変形を追跡し、触覚センシング中の信号読み出しにおけるこの寄与を分離することにより、この課題に対処するための機械学習支援触覚センシングアプローチを提示します。
まず、ターゲットオブジェクトの変形をキャプチャし、次にEITデータと変形情報を処理および融合するために特別に設計された深い学習モデルを使用して触覚再構築を行います。
数値シミュレーションを使用した検証は、高い相関係数（0.9660-0.9999）、ピーク信号対雑音比（28.7221-55.5264 dB）および低相対画像エラー（0.0107-0.0805）を達成しました。
さまざまな変形シナリオの下でヒドロゲルベースのEIT E-Skinを使用した実験的検証は、実際の設定で提案されたアプローチの有効性をさらに実証しました。
調査結果は、柔らかくて高度に変形可能なロボットアプリケーションの触覚相互作用の強化を支える可能性があります。

要約(オリジナル)

Electrical Impedance Tomography (EIT)-based tactile sensors offer cost-effective and scalable solutions for robotic sensing, especially promising for soft robots. However a major issue of EIT-based tactile sensors when applied in highly deformable objects is their performance degradation due to surface deformations. This limitation stems from their inherent sensitivity to strain, which is particularly exacerbated in soft bodies, thus requiring dedicated data interpretation to disentangle the parameter being measured and the signal deriving from shape changes. This has largely limited their practical implementations. This paper presents a machine learning-assisted tactile sensing approach to address this challenge by tracking surface deformations and segregating this contribution in the signal readout during tactile sensing. We first capture the deformations of the target object, followed by tactile reconstruction using a deep learning model specifically designed to process and fuse EIT data and deformation information. Validations using numerical simulations achieved high correlation coefficients (0.9660 – 0.9999), peak signal-to-noise ratios (28.7221 – 55.5264 dB) and low relative image errors (0.0107 – 0.0805). Experimental validations, using a hydrogel-based EIT e-skin under various deformation scenarios, further demonstrated the effectiveness of the proposed approach in real-world settings. The findings could underpin enhanced tactile interaction in soft and highly deformable robotic applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google