.png){kind=icon}
返回
Machine Learning–Based Multi-Point Load Sensing for Smart Skins
.png){kind=icon}
PRE
AI
DOI：10.1002/admt.202500768.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
具有触觉能力的人工皮肤可以显著提升机器人交互和任务性能。传统的触觉传感器通过电阻或电容变化检测接触位置，不适合用于大变形的人工皮肤，且无法准确检测力的大小。更有效的方法是监测接触在表面上诱发的应变场。虽然完整的应变场数据能够实现便捷的接触检测，但真正的挑战在于如何用有限数据实现这一目标。本研究引入了一种机器学习方法，利用稀疏应变数据预测接触位置和大小。该方法已通过数值和实验验证，展示了在平面表面准确预测单点和多点接触的能力。此外，机器学习模型被扩展用于预测柔性、可变形表面在弯曲和扭转下的接触。所提出的基于机器学习的接触预测技术在柔性触摸屏、机器人智能皮肤和微尺度触觉传感器中具有应用前景。
Keyword:
machine learning
neural networks
smart skin
soft robotics, tactile skin
touch detection
期刊
IF:
6.2
论文数:
5.3K
被引数:
2.4W
机构
引用论文
分享收藏A comprehensive review of robot intelligent grasping based on tactile perception基于触觉感知的机器人智能抓取综述
PREAI
分享收藏
Guiding the design of superresolution tactile skins with taxel value isolines theory.png)
SCIENCE ROBOTICS
SCIENCE ROBOTICSIF27.5
PREAI
分享收藏A Machine-Learning-Based Approach to Solve Both Contact Location and Force in Soft Material Tactile Sensors一种基于机器学习的方法来解决软材料触觉传感器中的接触位置和力SOFT ROBOTICS
SOFT ROBOTICSIF6.1
PREAI
分享收藏Methods and Technologies for the Implementation of Large-Scale Robot Tactile Sensors大型机器人触觉传感器的实现方法与技术
PREAI
分享收藏
查看更多内容