多功能自动供电传感器集成在机器人手上,用于检测温度-压力刺激和识别物体

科学领域:

• 机器人和人工智能 机器人和人工智能
• 材料科学与工程 材料科学与工程
• 传感器技术 传感器技术

背景情况:

• 触觉,包括压力和温度识别,对于生物和人工系统中的物体识别至关重要.
• 现有的触觉传感器往往依赖于单模传感原理 (压电阻,电容,热电阻) 并需要外部电源.
• 当前传感器的局限性包括对单模式传感的敏感性和对能源供应的依赖性.

研究的目的:

• 提出和开发一种新的多模式,自动供电的触觉传感器,能够同时检测压力和温度.
• 将开发的传感器集成到一个具有深度学习组件的综合传感系统中,以增强对象识别.
• 为了证明这种自动驱动传感方法对未来机器人应用的潜力.

主要方法:

• 开发一种自动供电的传感器,利用压力传感器的电压效应和温度传感器的热电效应.
• 传感器与深度学习模型和智能板集成,创建一个完整的传感系统.
• 深度学习模型的训练和验证,以合并多式联络传感器信号以进行对象识别.

主要成果:

• 拟议的传感器成功地执行压力和温度刺激的多模式传感,而无需外部能源供应.
• 集成的深度学习系统实现了高的对象识别准确率为99.8%的十个不同的对象.
• 证明了将 triboelectric 和热电信号融合为强大的触觉感知的可行性.

结论:

• 开发的多模式,自动供电的触觉传感器为机器人技术中先进的物体识别提供了一个有前途的解决方案.
• 这种方法克服了单模传感器和外部电源需求的局限性.
• 这些发现表明了设计智能,自给自足的机器人传感系统的新方向.