机器学习增强的模块化离子皮肤,用于在双向人机交互中实现宽频多模式可分辨性
Qianqian Yang1, Bingqiao Li2, Mengke Wang1
1State Key Laboratory of Fluid Power and Mechatronic Systems, School of Mechanical Engineering, Zhejiang University, Hangzhou, 310000, China.
Advanced materials (Deerfield Beach, Fla.)
|July 21, 2025
概括
一个新的机器学习增强的离子皮肤通过优化传感器和算法提供了广泛的多式联络传感. 这种先进的触觉感知系统通过增强的温度和压力区分来改善人机交互.
科学领域:
- 材料科学 材料科学 材料科学
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
背景情况:
- 当前的多式联接触觉感知系统面临着有限的传感范围和解策略的挑战.
- 有效的多式传感对于先进的人机交互至关重要.
研究的目的:
- 开发一种机器学习增强的模块化离子皮肤 (MIS),用于广泛的多式联络区分.
- 为了克服触觉感知系统的传感范围和脱的局限性.
主要方法:
- 为MIS开发了一个协同的传感器算法优化策略.
- 通过在离子凝中进行工艺控制的硬段调制来设计离子导体.
- 提出并训练了一种使用多刺激数据集的数据驱动解模型.
主要成果:
- 实现了增强的传感性能:最低温度系数为-4.00% °C-1,线性测量系数为2.95,最大压力灵敏度为80.5 kPa-1.1.
- 温度和压力的证明最大解范围,预测误差低至7.0%.
- 在温度干扰下保持可靠的应变检测.
结论:
- 该MIS系统表现出有效的多式联通传感能力.
- 开发的系统显示了双向人机交互应用的潜力,包括可穿戴的手套和机器人抓手.
