Self-Mixing Laser Interferometry: In Search of an Ambient Noise-Resilient Alternative to Acoustic Sensing

要約

セルフミキシング干渉法（SMI）は、マイクロバイブ化を検出する際の感度で賞賛されていますが、ターゲットとの物理的接触は必要ありません。
マイクロバイブレーション、つまり、音は最近、ロボット操作における外因性接触の顕著な指標として使用されています。
以前の作業では、音響センシングの周囲のノイズライレンな代替品として、外因性接触センシングのためにSMIを使用してロボットの指先を提示しました。
ここでは、検証実験を周波数領域に拡張します。
ブロードバンドの周囲ノイズの場合、SMIは依然として音響センシングよりも優れていることがわかりますが、違いは時間領域分析よりも顕著ではありません。
ターゲットを絞った騒音障害の場合、複数のロボットが同時に同じタスクのデータを収集するのと同様に、SMIはまだ明確な勝者です。
最後に、モーターノイズが音響センシングよりもSMIセンシングにどのように影響するか、そして将来の作業にはより高いSMI読み出し頻度が重要であることを示します。
設計およびデータファイルは、https：//github.com/remkopr/icra2025-smi-tactile-sensingで入手できます。

要約(オリジナル)

Self-mixing interferometry (SMI) has been lauded for its sensitivity in detecting microvibrations, while requiring no physical contact with its target. Microvibrations, i.e., sounds, have recently been used as a salient indicator of extrinsic contact in robotic manipulation. In previous work, we presented a robotic fingertip using SMI for extrinsic contact sensing as an ambient-noise-resilient alternative to acoustic sensing. Here, we extend the validation experiments to the frequency domain. We find that for broadband ambient noise, SMI still outperforms acoustic sensing, but the difference is less pronounced than in time-domain analyses. For targeted noise disturbances, analogous to multiple robots simultaneously collecting data for the same task, SMI is still the clear winner. Lastly, we show how motor noise affects SMI sensing more so than acoustic sensing, and that a higher SMI readout frequency is important for future work. Design and data files are available at https://github.com/RemkoPr/icra2025-SMI-tactile-sensing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google