Multi-tap Resistive Sensing and FEM Modeling enables Shape and Force Estimation in Soft Robots

要約

当社は、ソフト ロボット、特にパッケージングの制約が厳しく、内部に埋め込まれたセンサーのみに依存するロボットにおける信頼性が高く正確な固有受容という課題に取り組んでいます。
単一のセンサーを使用したさまざまな検出アプローチが試行されてきましたが、多くの場合、曲率が一定であると仮定して、センサーの複数の位置での局所的な変形の検出を検討します。
私たちのアプローチでは、センサーの抵抗層に複数の電気接続を作成することで、既製の抵抗センサーをマルチタップし、センサーをソフトボディに挿入します。
この修正により、センサーの長さ全体にわたる複数のセグメントでの抵抗の変化を測定できるようになり、軟体の局所的な変形の解像度が向上しました。
これらの測定値は、軟体の形状と既知の任意の位置に作用する外力の大きさを推定する有限要素法 (FEM) に基づくモデルに情報を与えます。
当社のモデルベースのアプローチでは、内部流体作動を考慮しながら、平均約 3% の相対誤差で軟体の変形を推定します。
外力外乱の推定値には、0 ～ 5 N の範囲内で 11% の相対誤差があります。センシングとモデリングを組み合わせたアプローチは、たとえば、ソフト操作プラットフォームに統合して、物体の形状や材料特性を識別するなどの機能を有効にすることができます。
掴まれている物体。
このようなマニピュレータは、モーション キャプチャなどの外部システムではなく、埋め込まれたセンシングのみに依存し、完全に固有受容的でありながら、固有の柔らかさとコンプライアンスの恩恵を受けることができます。
このような固有受容は、現実世界のシナリオでソフト ロボットを展開するために不可欠です。

要約(オリジナル)

We address the challenge of reliable and accurate proprioception in soft robots, specifically those with tight packaging constraints and relying only on internally embedded sensors. While various sensing approaches with single sensors have been tried, often with a constant curvature assumption, we look into sensing local deformations at multiple locations of the sensor. In our approach, we multi-tap an off-the-shelf resistive sensor by creating multiple electrical connections onto the resistive layer of the sensor and we insert the sensor into a soft body. This modification allows us to measure changes in resistance at multiple segments throughout the length of the sensor, providing improved resolution of local deformations in the soft body. These measurements inform a model based on a finite element method (FEM) that estimates the shape of the soft body and the magnitude of an external force acting at a known arbitrary location. Our model-based approach estimates soft body deformation with approximately 3% average relative error while taking into account internal fluidic actuation. Our estimate of external force disturbance has an 11% relative error within a range of 0 to 5 N. The combined sensing and modeling approach can be integrated, for instance, into soft manipulation platforms to enable features such as identifying the shape and material properties of an object being grasped. Such manipulators can benefit from the inherent softness and compliance while being fully proprioceptive, relying only on embedded sensing and not on external systems such as motion capture. Such proprioception is essential for the deployment of soft robots in real-world scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google