机器学习辅助的灵活双模传感器用于多感应检测和在抓取过程中识别目标对象
Wentao Dong1, Kaiqi Sheng1, Chang Chen1
1School of Electrical and Automation Engineering, East China Jiaotong University, Nanchang 330013, China. wentao_dong@163.com.
Lab on a chip
|March 31, 2025
概括
这项研究介绍了用于机器人电子皮肤的灵活双模传感器 (FDMS). 传感器同时测量近距离和压力,使其能够准确地识别材料和硬度,以改善抓取.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 多模态传感数据对于机器人掌握至关重要.
- 由于信号交叉合,同时无接触近距离和接触压力传感具有挑战性.
研究的目的:
- 为机器人电子皮肤开发一种机器学习辅助的灵活双模传感器 (FDMS).
- 为了实现同时测量近距离距离和接触压力,以增强抓取感知.
主要方法:
- 开发了一种多层FDMS,使用聚甲基素,银糊,和水凝.
- 集成的导电银线圈用于近距离传感 (电容变化) 和 triboelectric纳米发电机 (TENG) 用于压力传感.
- 利用AlexNet神经网络进行材料和硬度识别.
主要成果:
- 在材料识别方面取得了93.49%的成功率,在硬度识别方面达到92.22%.
- 与其他材料识别算法相比,AlexNet表现出优越的性能.
- 展示了机器人电子皮肤的双重感知反能力,具有灵活性和稳定性.
结论:
- 开发的FDMS有效地执行机器人应用的同时近距离和压力传感.
- 基于AlexNet的识别系统显著提高了机器人的抓取能力和人机交互.
- 灵活的双模传感器具有人机交互,软机器人和生物医学领域的潜力.
