一种具有三维力与温度数学解耦能力的机器人柔性触觉单元

杨雄 ,  任豪 ,  郭栋 ,  凌征榕 ,  张铁山 ,  李根 ,  唐一峰 ,  赵浩翔 ,  王家乐 ,  陈宏远 ,  高梓琪 ,  董佳 ,  吴宁欣 ,  申亚京

工程（英文） ›› 2025, Vol. 55 ›› Issue (12) : 96 -106.

PDF (6321KB)
工程（英文） ›› 2025, Vol. 55 ›› Issue (12) : 96 -106. DOI: 10.1016/j.eng.2025.02.008
研究论文

一种具有三维力与温度数学解耦能力的机器人柔性触觉单元

作者信息 +

A Soft Tactile Unit with Three-Dimensional Force and Temperature Mathematical Decoupling Ability for Robots

Author information +
文章历史 +
PDF (6472K)

摘要

人体皮肤具有感知接触力和环境温度的卓越能力，能够提供对其精细控制至关重要的复杂信息。尽管柔性触觉传感器领域相关研究近期取得了进展，但准确解耦信号——特别是将力与方向和温度分离——仍然是一项挑战，因此无法满足机器人高级应用的需求。本研究提出了一种名为F3T的多层柔性传感器单元，旨在实现法向压力、全向切向力和温度的单独测量及数学解耦。本研究开发了一种圆形同轴磁性薄膜，其特点是包含一个浮动安装的多层电容器，有助于在所有方向上物理解耦法向力和切向力。此外，本研究还在触觉传感器中融入了一种基于离子凝胶的温度传感膜。所提出的传感器能够抵御外部压力和变形，能够测量温度并显著消除由环境温度变化引起的电容器误差。总之，本研究的新颖设计实现了多信号的解耦测量，为高级机器人运动控制、自主决策和任务规划的进步奠定了基础。

Abstract

Human skin exhibits a remarkable capability to perceive contact forces and environmental temperatures, providing complex information that is essential for its subtle control. Despite recent advancements in soft tactile sensors, accurately decoupling signals—specifically separating forces from directional orientation and temperature—remains a challenge thus resulting in failure to meet the advanced application requirements of robots. This study proposes, F3T, a multilayer soft sensor unit designed to achieve isolated measurements and mathematical decoupling of normal pressure, omnidirectional tangential forces, and temperature. We developed a circular coaxial magnetic film featuring a floating mount multilayer capacitor that facilitated the physical decoupling of normal and tangential forces in all directions. Additionally, we incorporated an ion gel-based temperature-sensing film into the tactile sensor. The proposed sensor was resilient to external pressures and deformations, and could measure temperature and significantly eliminate capacitor errors induced by environmental temperature changes. In conclusion, our novel design allowed for the decoupled measurement of multiple signals, laying the foundation for advancements in high-level robotic motion control, autonomous decision-making, and task planning.

关键词

触觉传感器 / 力解耦 / 温度与力解耦 / 人机交互

Key words

Tactile sensor / Force decoupling / Temperature and force decoupling / Robot-human interaction

引用本文

引用格式 ▾
杨雄,任豪,郭栋,凌征榕,张铁山,李根,唐一峰,赵浩翔,王家乐,陈宏远,高梓琪,董佳,吴宁欣,申亚京. 一种具有三维力与温度数学解耦能力的机器人柔性触觉单元[J]. 工程（英文）, 2025, 55(12): 96-106 DOI:10.1016/j.eng.2025.02.008

登录浏览全文

4963

注册一个新账户 忘记密码

1 引言

为了赋予机器人类似人类的环境感知和自适应交互能力，具有多信号感知能力（特别是力和温度感知能力）的触觉传感器近期受到了广泛关注[1‒7]。迄今为止，研究人员已提出多种类型的柔性触觉传感器，这些传感器可分为基于电信号、离子凝胶、光信号和磁信号的传感器[8‒22]（表1和附录A中的S1节）。这些传感器在力学测量方面表现出相当大的应用潜力，其中一些传感器还表现出与皮肤相当的灵敏度[17,22‒25]。然而，必须认识到力是一个包含大小和方向分量的矢量，而准确确定这些分量对于评估操作状态和采取适当行动至关重要。尽管如此，由于现有柔性触觉传感器中存在信号耦合和干扰，准确解码法向力和全向切向力仍然是一项重大挑战，特别是在考虑温度效应时。

多年来，科学家一直致力于通过研究材料、结构和原理来解决信号解耦问题。基于碳纳米管和氧化石墨烯的可拉伸传感器已被开发出来，用于解耦一维（1D）切向力和法向压力[11]。利用二维（2D）或三维（3D）场耦合薄膜晶体管构建的传感器阵列能够同时测量法向压力和温度的空间分布[12]。此外，基于离子弛豫动力学的传感受体能够在无信号干扰的情况下区分热信息和机械信息[17]。最近，Liu等[14]采用异质封装策略，引入了一种三维力解耦电子皮肤（3DAE-Skin），该皮肤集成了不同方向的压力和应变传感器，以测量多维力。他们展示了该技术在机器人操作和食品新鲜度评估中的应用。然而，其基于压阻效应的3D阵列设计导致传感器准确性和稳定性降低，结构复杂性增加，生产成本提高，且无法消除温度对测量结果的影响。

之前，本团队提出了一种基于Halbach阵列的磁性薄膜，并证明了其理论上能够解耦法向力和方向固定的剪切力[22]。然而，实现法向力和全向切向力的解耦仍然具有挑战性。此外，触觉传感器的电子元件通常对温度变化敏感，而机器人经常在各种温度下操作物体[26‒32]。总体而言，传感器的不完整三维接触力信息限制了机器人准确解读复杂交互的能力。多信号传感器在力和温度的解耦方面面临挑战，无法完成涉及温度变化的操作和监测。此外，由于需要强大的计算能力，传统的解耦算法存在响应时间慢的问题，无法满足高动态反馈的需求。因此，开发一种高度集成、结构紧凑、低成本、具有高精度与动态响应能力以及三维力和温度解耦功能的柔性触觉传感单元，对于实现自适应、精确和智能的机器人操作至关重要。

本研究提出了一种受皮肤启发的多材料结构的四层传感单元，该单元能够数学解耦三维力和温度，本研究将其称为F3T单元（图1、附录A中的图S1和图S2）。本研究所提传感器分别利用电迁移、磁感应和离子迁移来动态测量操作目标的法向力、切向力和温度。本研究证明了所提单元在智能机器人操作和人机协作中对静态信号进行解耦和识别动态操作的能力。

本研究的突破性进展为机器人增强环境感知、运动控制、自主决策和任务规划开辟了广阔的应用前景[33‒38]。

2 方法与结果

2.1 F3T传感单元的类皮肤多层设计

皮肤是人体最大的器官，具有由表皮、真皮和皮下组织组成的多层结构；每一层都含有具有不同功能的特化受体[图1（a）]。机械感受器包括帕西尼小体、迈斯纳小体、克劳斯末梢和鲁菲尼末梢，能够感知三维力，而温度感受器则检测温度。这种独特的结构使人体皮肤能够有效地解耦不同的信号，即使在复杂的环境条件下，也既能准确识别力的大小和方向，又能准确感知温度，而不会相互干扰。

为了实现类似皮肤的解耦能力，本研究设计了一种具有多层结构的触觉传感单元（F3T）[图1（b）和（c）]。最顶层（1 mm厚）是通过将离子凝胶混合物（聚乙二醇二丙烯酸酯∶2-羟基-2-甲基丙酮∶磷酸盐缓冲盐水= 5∶5∶1；Sigma，德国）浇注到多孔网状织物上制成的。在紫外线（UV）光下固化后，将离子凝胶薄膜脱模，并用氰基丙烯酸酯封装，以提高接触过程中的可靠性[图1（d）]。第二层由一层带有圆形Halbach图案的薄磁膜（0.5 mm厚）组成。为了制作这一层，本研究通过混合聚二甲基硅氧烷（PDMS）和钕铁硼（NdFeB）磁粉，使用标准的Halbach阵列磁化方法制作了一个矩形磁性薄膜。然后使用激光将薄膜切割成顶角为22.5°的小等腰三角形，再将其组装成圆形Halbach磁性薄膜[图1（e）]。第三层（5 mm厚）是一个浮动电容器，由4个圆形电极组成，电极之间留有1 mm的间隙。电极的直径从下到上逐渐减小，分别为9 mm、7.5 mm、6 mm和4.5 mm。将含有磷酸盐离子的硅橡胶作为电极之间的介质，并经过精密模压成型[图1（f）]。这种设计确保电容器仅对施加的法向力敏感，从而有效消除了切向力的影响。

因此，F3T单元被制成一个紧凑的圆柱形结构，半径为6 mm，高度为8 mm。该结构包括一个基于离子凝胶的顶层，通过离子迁移进行温度传感；一个基于圆形Halbach磁膜的中间层，通过磁感应进行切向力传感；以及一个基于浮动电容器的底层，通过电迁移进行法向力传感。内部硅橡胶弹性体模拟了人体皮肤的皮下组织，有助于组件之间的连接并缓冲冲击力。此外，一个带有3D霍尔效应传感器的刚性印刷电路板（PCB）作为主干，为F3T传感单元提供固定和支持，其类似于手指的骨骼结构。来自温度敏感离子凝胶层和浮动电容器的电信号通过两对细线传输到底部PCB。有关该架构的更多详细信息见附录A中的S2节。

2.2 温度、法向力和全向切向力的解耦原理

与现有的难以准确测量和解耦三维力与温度的多信号传感单元不同，本研究的多层设计实现了这些信号的数学解耦。如图2（a）所示，当F3T传感器接触目标物体时，会向传感器传输一个复合信号[表示为f(T, Fz, Fx, Fy )]，该信号包括温度、z方向的法向力、x方向的切向力和y方向的切向力。最顶层的离子凝胶层直接接触物体以收集温度信息。当温度发生变化时，凝胶内聚合物链之间的距离也会发生变化，导致非自由离子和自由离子之间的转换，从而引起电阻的变化[附录A的S3节、图2（b）]。因此，目标物体的温度T可以有效地与力 F 解耦并准确测量[39]。

浮动电容器由4个不同半径的交叉圆盘电极（2个正极和2个负极）组成，以软弹性体作为介质。总测量电容由以下公式估算：C = C12 + C14 + C23 + C34 = εr (3S1 + 2S2 + 2S3)/8πkd（附录A中的S4节和图S3）；C12、C14、C23和C34分别表示电极1和2、电极1和4、电极2和3、电极3和4之间形成的电容。S1、S2和S3分别是电极1、2和3的有效电容面积。k是静电力常数。由于在切向载荷下有效电容面积S和电极距离d不变，因此该电容对切向力分量不敏感。值得注意的是，由于材料的热膨胀[cte: d = f(Fn, cte)，Fn 为外部正交力]和电离[it: εr = f(it)]特性，电极距离d和相对介电常数εr均与温度T相关。由于这些因素对电容C产生相反的影响，因此可以通过调节软弹性体中的离子含量来设计材料的cte/it比值，从而实现温度敏感的自适应补偿[图2（c）和S4节]。因此，电容C的变化仅与法向力引起的电极距离d的变化相关，从而能够准确测量法向力。

霍尔传感器上的磁通量分布是由磁性薄膜产生的，并与由切向力或法向力引起的软弹性层的变形相关。此外，霍尔传感器的磁场测量精度还受到温度变化的影响。因此，初始测量的磁场可表示为 M = f(T, Fz, Fx, Fy ) [图2（d）]。对于圆形同轴Halbach磁性薄膜，切向磁场分布 Mr 可表示为

∣ Mr ∣=M0 (T, Fz )sin(krΔx2+Δy2)

式中，M0(T, Fz )是切向磁场强度的振幅，是校正因子kr、温度T和法向力Fz 的函数。在之前的步骤中，使用离子凝胶和浮动电容器分别获得了温度T0和法向力Fz0。然后，可以将这些值代入式（1），以获得在特定温度T0和法向力Fz0条件下，切向磁场 Mr 随位移Δx和Δy的分布。鉴于x和y方向的位移可以直接通过剪切应变γ和剪切模量G转换为切向力Fx 和Fy，因此切向力Fx 和Fy 与切向磁场 Mr 之间的关系可以确定如下：

Fx =S⋅(G⋅γx ) = S⋅G⋅f( Mr )/h⋅cosθr
Fy =S⋅(G⋅γy ) = S⋅G⋅f( Mr )/h⋅sinθr

式中，γx 和γy 分别表示x和y方向的剪切应变；θr表示xy平面内切向力的角度；h表示弹性体的高度。

此外，法向力和切向力的计算与弹性体的材料特性密切相关，因而允许对测量范围和精度进行调整。通常，材料的弹性模量E和剪切模量G越小，传感器的测量范围就越窄，测量精度就越高。在本研究中，用于传感器的弹性体是掺杂了磷酸盐离子的dragon skin（dragon skin 30，Smooth-On公司，美国）。

2.3 解耦多触觉信号中F3T的特性分析

为了校准凝胶内部接触温度T与电流I之间的关系，本研究在底部PCB基板上开发了一个等效的分压电路。如图3（a）所示，电流I随温度T的升高呈指数级增加，该关系可通过多项式方程（附录A中的S5节）进行建模，在20~80 ℃范围内误差小于±0.5 ℃。本研究在不同的法向载荷（0~7 N）和切向载荷（0~2 N）条件下测量了温度T。然后，计算了受力载荷条件下测得温度与自由载荷条件下温度的比值。如图3（b）所示，当环境温度从20 ℃变化到80 ℃时，该比值保持在接近1的水平，误差小于1%。这验证了外力 F 对温度测量的影响可以忽略不计，这与理论预测一致。

本研究基于浮动电容器C的值测量了法向力Fz。在此，本研究使用NE555定时器集成电路将电容信号测量结果转换为频率信号f，以提高精度[图3（c）和附录S4]。校准结果表明，f与法向位移ΔH近似呈线性关系，斜率为-888.2 Hz·mm-1 [图3（d）]，同时对应于Fz 存在两个线性段。这一行为反映了不同变形阶段导致的表观刚度变化，即在小变形时初始为弹性，而在较大变形时由于几何效应、接触条件或内部结构的变化而呈现更复杂的响应[图3（e）]。通过使用斜率为-1/545 N·Hz-1和-1/150 N·Hz-1的分段线性函数来模拟法向力Fz 与频率信号f之间的关系（附录A中的S6节），本研究有效地将响应解耦为不同的线性区域。该方法在0~1 N的范围内实现了0.01 N的测量精度，对大于1 N的区间则达到了0.03 N的测量精度。此外，实验结果表明，电容C与环境温度T和切向力无关[图3（f）]。这些表征结果验证了用于解耦法向力Fz 测量的安装电容设计的有效性。此外，本研究还进行了传感器在压力模式下的循环测试。如附录A中的图S4所示，在施加5 N的作用力下，力传感性能在10 000个循环内保持稳定。

为了评估切向力 Fr 的准确性，本研究首先表征了切向磁场分布 Mr。结果表明，在固定的法向位移ΔH下， Mr 的强度随切向位移ΔR呈正弦变化[图3（g）和（h）以及附录A中的图S5]，这是由圆形Halbach磁化模式引起的。在定义的切向力测量范围内（ΔR ≤ 2.5 mm），磁场强度在正弦波的上升部分随ΔR单调增加。这一行为表明，在已知ΔH的情况下，ΔR与 Mr 之间存在独特的对应关系，从而使本研究能够建立一个数学模型来计算切向力 Fr [图3（i）、附录A中的S7节和图S6]。

当施加7.2 N的法向力Fz （即ΔH = 2 mm）时，校准结果显示，切向磁场最初随切向力的增加而增加，平均斜率k1 = 10 531 μT·N-1。当切向位移ΔR大于2 mm（即切向力大于1 N）时，由于切向磁场的正弦分布特性，平均斜率变为k2 = 377 μT·N-1。值得注意的是，利用这一特性，磁场在初始阶段的变化更为显著，从而为传感器提供了更高的灵敏度（0.01 N），即使在负载较小（0~1 N）的情况下也能测量 Fr。切向力的方向θ由x和y方向上切向磁场的符号确定，具体是通过My /Mx 比值的反正切函数来计算。校准结果表明，θ（切向力与x轴之间的角度）与法向力Fz [图3（j）]和 Fr 的大小[图3（k）]无关，这与实际情况相符，且θ可以用分段线性函数来表示（附录A中的S8节和图S7）。此外，切向力在x和y方向上的分量强度可分别通过Fx = Fr ·cosθ和Fy = Fr ·sinθ来计算。

法向力和切向力传感的动态响应几乎是即时的，而其恢复时间则取决于所施加力的大小和弹性材料的刚度。弹性材料越刚硬，意味着力传感范围越大、灵敏度越低、动态响应越快。对于本研究演示中使用的硅材料（dragon skin 30），在5 N的力和100 Hz的采集频率下，传感单元的动态响应为50 ms（附录A中的图S8）。温度T对磁场测量Mx 的影响已经被校准，如图3（l）所示，二者呈线性关系。因此，温度T对磁场的影响可以通过数学方法进行归一化处理，以在切向力测量过程中实现补偿和校正。最终，可以通过F3T传感器实现温度T、法向力Fz 、x轴切向力Fx 和y轴切向力Fy 的数学解耦。

2.4 F3T传感器在静态和动态条件下的性能评估

有效的人机交互不仅需要在静态条件下对触觉信号进行精确、无干扰的测量，还需要具备动态解耦这些信号以准确识别人类动作和意图的能力。尽管现有的柔性触觉传感器具有高灵敏度，但由于信号干扰，它们往往难以将来自不同方向的力进行解耦。这一局限性阻碍了其对人类动作的识别，尤其是在轻敲、滑动动作或物体交接等微妙交互中。为了展示F3T传感器的性能，本研究在静态和动态条件下评估了其在多信号测量和解耦方面的表现。

首先，本文评估了其静态性能。如图4（a）所示，在t = 50 s时，将100 g的重物作为固定的法向载荷放置在传感器上。随后，在t = 100 s时沿x轴依次施加切向力，在t = 150 s时沿y轴施加切向力。在此过程中，环境温度从20 ℃逐渐升高至80 ℃。为了进行基准测试，本研究还使用两种广泛使用的商用传感器进行了相同的实验：一种是精度为0.01 N的应变力传感器（VISTE VSZ020，深圳威思特传感测控有限公司），另一种是精度为0.25 ℃的热电偶温度传感器（TEKTRONIX 2110-220, Tektronix，美国）。

如图4（a）所示，F3T传感器的温度读数与标准热电偶的读数高度一致，这证明了即使在外部负载变化的情况下，F3T也具有出色的鲁棒性和稳定性（平均误差小于±0.8 ℃；见附录A中的图S9至图S12）。在力测量方面，当温度从20 ℃变化到80 ℃时，F3T的读数保持一致，平均误差为0.03 N（误差幅度在3%以内）。相比之下，传统的应变力传感器表现出明显的热漂移，在80 ℃时的误差高达13.2%。这些结果证实，F3T单元能够准确检测三维力的大小和方向，同时在静态条件下提供力和温度的精确解耦测量。

为了评估F3T传感器在动态条件下的性能，本研究将其集成到机器人夹持器中，用于夹持塑料块。然后，本研究用手施加任意大小和特定方向的力，通过上拉、下拉、左拉、右拉和按压来与机器人进行交互[图4（b）]。在此过程中，机器人从F3T传感器动态获取触觉信息，并准确识别人类的运动方向和意图。此外，通过将触觉信息作为控制反馈进行集成，夹持器能够对环境中的干扰和各种交互动作做出自适应响应。

如图4（c）所示，在初始静止阶段（t = 0~3 s），夹持器以法向力Fz = 5.52 N和由物体重力引起的y方向切向力Fy = 0.80 N（Fx = 0 N）夹持目标物体。在此阶段，静态夹持力[Ff = μFz > |Fr | = sqrt((Fx )2 + (Fy )2)，μ表示摩擦系数]确保夹持器保持对物体的稳定夹持。在干扰阶段（3~7 s），施加任意方向的动态外拉力，增加切向载荷，该载荷可能超过静态夹持力Ff。为了保持稳定并防止意外滑动，夹持器会根据3D切向力的变化自动增加法向夹持力 Fr。在本演示中，外部干扰的应用使y方向的切向载荷在0.08~1.56 N的范围内变化，而x方向的切向载荷在-0.62~1.24 N的范围内变化。因此，夹持器的法向夹持力相应地在2.64~8.28 N的范围内变化。这种调整确保了夹持器的静态夹持力始终超过切向载荷，从而使夹持器能够保持对目标物体的稳定夹持。在恢复阶段（7~10 s），随着外部干扰的撤除，切向载荷仅存在于x方向，且与初始值0.80 N相同。同样，夹持器的法向夹持力也减小，恢复到初始水平5.52 N。

这种自适应夹持能力使夹持器不仅能够适应外部干扰并保持操作稳定性，而且能够以最小的力实现稳定夹持，有助于降低功耗，并防止过大的夹持力可能对目标物体造成的损坏。这些演示凸显了F3T传感器在处理多样化和动态3D触觉交互方面的卓越能力，这使其有别于通常仅限于直接按压等更简单场景的其他传感器。

2.5 自动化化学反应流程中F3T的演示

自动化实验室在提高研究和工业领域的效率、准确性和生产力方面发挥着至关重要的作用。它们简化了流程，减少了人为失误，并确保了实验条件的一致性，从而加快了结果产出并提高了可重复性。然而，实现自动化实验室面临的一个重大挑战是有效处理和操作精细且多样的样品，这需要高度的灵巧性和精确性。具有多信号解耦能力的柔性触觉传感单元有望通过实现精确的3D力测量和温度感知，来增强自动化实验室中的机器人操作能力，这对于处理敏感的化学任务和维持最佳反应条件至关重要。

聚乙烯醇（PVA）常用于制备水凝胶、黏合剂和涂料。然而，高度水解的PVA在室温下几乎不溶于水，通常需要加热和搅拌相结合才能完全溶解。但是，如果水温升高过快或超过90 ℃，则存在显著的团聚风险。为确保实验的一致性和维持基于PVA的材料的性能，必须谨慎制备。这一过程涉及实时温度监测、分阶段加热和受控摇动以均匀分布热量，这对初级技术人员来说是一个挑战。为了展示F3T在自动化实验室环境中的能力，本研究使用配备所提传感器的机械臂展示了87%醇解度PVA溶液的自动制备过程[图5（a）]。

如图5（b）和（c）以及附录A中的补充视频S1所示，本研究将F3T触觉传感单元集成到了机器人夹持器中。夹持器首先根据视觉反馈在6 s内接近装有PVA颗粒和去离子水的烧杯。在7~9 s，实时检测并传递夹持器的姿态以及施加在烧杯上的切向力分布情况。通过分析切向力数据，系统检测所有不平衡，并调整夹持器的位置，以确保烧杯保持水平。

随后，将烧杯转移至酒精灯上加热，同时使用F3T传感器持续监测溶液温度，以达到最佳温度范围60~75 ℃（耗时10~219 s）。与传统温度计不同，F3T传感器与机器人系统无缝集成，无需人工干预或额外设备即可同时进行温度传感和操作。这种集成对于维持受控的加热过程至关重要，并可防止温度快速升高而导致团聚。

达到目标温度后，机器人系统将烧杯从热源中取出，并以1 Hz的频率开始进行受控摇动（220~459 s）。在此阶段，F3T传感器持续监测烧杯的方位以及作用在其上的切向力，以确保稳定的夹持并防止意外滑动或溢出。

这种由F3T实现的实时反馈循环对于保持对溶液搅拌的精确控制至关重要，而精确控制溶液搅拌对于防止聚乙烯醇（PVA）颗粒团聚至关重要。随着温度从75 ℃逐渐降至约60 ℃，系统暂停搅拌并恢复加热，以保持最佳的溶解环境。在交替加热和搅拌约15 min后，PVA颗粒完全溶解且未发生团聚。这一成就凸显了F3T系统的卓越灵活性，它提供了一种自适应的任务解决策略，这是标准化学设备所无法比拟的。

2.6 F3T在有效人机协作中的应用演示

除了作为实验室助手之外，集成了F3T柔性触觉传感单元的机器人夹持器还为服务场景中的复杂操作和更自然的人机交互开辟了新的可能性。为了说明其潜力，本文以“送茶”任务为例，这是一项对人类而言简单且常见的活动，但对机器人而言却是一项重大挑战，因为其中涉及多种动态交互，如变化的液位、杯子朝向、温度变化，以及最重要的——感知人类的交接意图（图6和附录A中的视频S2）。

最初，在视觉定位的引导下，机器人抓手成功夹持了一个装有20 mL液体的玻璃杯，该玻璃杯处于室温（18 ℃）下，初始抓取力为7.7 N（0~12 s）。随后，机器人将玻璃杯运送到饮水机旁（13~34 s），准备倒入热水。倒水过程分为3个阶段：大流量（35~45 s）、小流量（46~63 s）和微流量（64~113 s）。

在大流量阶段，热水的快速倾倒导致切向力在重力方向上发生显著变化（从1.4 N增加到2.9 N），温度在10 s内迅速从18.5 ℃升至25.7 ℃。随着过程进入小流量阶段，热水流量减小，倾倒过程中出现短暂停顿，导致变化速度减慢，例如，切向力为1.3 N，温度在17 s内上升14 ℃。一旦茶水温度达到40 ℃，过程就过渡到微流量阶段，此时热水缓慢滴入杯中。在此阶段，切向力和温度的变化极小，从而实现了对茶水温度的精确控制和热平衡。当温度达到55 ℃时，倾倒停止，杯子准备好交付给使用者（114~136 s）。在整个热水倾倒过程中，为了保持稳定的夹持，夹持器的夹持力从最初的7.7 N逐渐增加到12.5 N。

与依赖于将杯子放置在平坦表面上以进行非接触式交接的传统机器人不同，配备F3T传感器的机器人系统能够检测到力的微妙变化，并准确解读人类的意图。在137~138 s时，重力方向上的切向力迅速减小，表明人手已牢牢握住杯柄，从而实现平稳自然的交接。

该柔性触觉传感单元显著增强了机器人实时识别和适应人类行为的能力，远超传统视觉识别技术（可能受到延迟和遮挡的影响）。这一将先进触觉传感技术集成到机器人系统中的突破，为更复杂、更自动化和更类人化的交互铺平了道路，从而为工业和服务应用中机器人技术的未来发展树立了新标准。

3 结论

本研究介绍了一种新型柔性触觉传感单元，即F3T，旨在通过提供法向力、切向力以及温度的精确、解耦测量来增强机器人的操作能力。受人类皮肤感知多种刺激的能力启发，F3T传感器采用多层结构，集成了圆形同轴磁性薄膜和浮动安装的多层电容器，以有效解耦所有方向上的力信号。此外，传感器还融入了基于离子凝胶的温度传感层，以准确监测热变化，而不会受到外部压力或变形的干扰。所提出的设计能够准确检测和数学解耦多个信号，显著提升了机器人在实时环境感知、复杂操作任务以及动态人机交互方面的能力。通过溶液制备和送茶等任务实验，F3T传感器展示了其通过识别人类意图并相应调整响应来执行复杂精细操作的能力。

本研究已从测量理论和制造角度证明了数学上将温度与全向力解耦的可行性；然而，在将其广泛应用于工业和机器人领域之前，仍有许多方面需要进行优化。例如，确保传感器中堆叠层之间的牢固黏合至关重要，因为薄弱的界面会导致层间剥离，这不仅会降低性能，还会引入信号噪声和测量误差。在未来的工作中，通过增加表面能，如等离子体处理、紫外线-臭氧暴露或在每层表面进行化学预处理，可以显著提高黏附性，从而实现更好的机械互锁，并增强层间的化学黏合性能。因一致性、可靠性和稳定性直接影响传感器在实际应用中的可用性，不同传感器批次之间的性能一致性也至关重要。为了实现这一目标，应严格控制材料采购和混合过程，使用标准模具进行制造，并应用自校正算法，以实现传感器性能的一致性。此外，在温度感应层封装后会出现一定的温度测量延迟。为了解决这个问题，可以采用热导率高的材料，减小传感器层厚度，并设计一种微结构以实现更快的热传递。对于需要高时间精度温度测量的应用，可以根据温度变化率加入预测算法，通过估计减少延迟，从而实现更短的响应时间。

总体而言，本研究所提出的技术在开发自动化程度更高和适应性更强的机器人系统方面迈出了重要一步，从而促进了机器人从实验室自动化到服务场景的更广泛应用，并最终有助于推动机器人技术向更接近人类感知和交互能力的方向发展。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

Overtoom EM, Horeman T, Jansen FW, Dankelman J, Schreuder HWR. Haptic feedback, force feedback, and force-sensing in simulation training for laparoscopy: a systematic overview. J Surg Educ 2019;76(1):242‒61. . 10.1016/j.jsurg.2018.06.008
[2]

Lin Z, Wu H, Jia H, Liu H, Ai X, Zou Y. Fixed and sliding FBG sensors-based triaxial tip force sensing for cable-driven continuum robots. In: Proceedings of the 2022 International Conference on Robotics and Automation (ICRA); 2022 May 23‒27; Philadelphia, PA, USA. Piscataway: IEEE; 2022. p. 9593‒9. . 10.1109/icra46639.2022.9811947
[3]

Zeidan H, Ryo E, Suzuki Y, Lijima H, Kajiwara Y, Harada K, et al. Detailed analysis of the transverse arch of hallux valgus feet with and without pain using weightbearing ultrasound imaging and precise force sensors. PloS one 2020;15(1):e0226914. . 10.1371/journal.pone.0226914
[4]

Xiao ZG, Menon C. A review of force myography research and development. Sensors 2019;19(20):4557. . 10.3390/s19204557
[5]

Arman Kuzubasoglu B, Kursun BS. Flexible temperature sensors: a review. Sens Actuators A 2020;315:112282. . 10.1016/j.sna.2020.112282
[6]

Zhao Y, Wang X, Zhang Y, Li Y, Yao X. Optical temperature sensing of up-conversion luminescent materials: fundamentals and progress. J Alloys Compd 2020;817:152691. . 10.1016/j.jallcom.2019.152691
[7]

Roriz P, Silva S, Frazão O, Novais S. Optical fiber temperature sensors and their biomedical applications. Sensors 2020;20(7):2113. . 10.3390/s20072113
[8]

Mu C, Song Y, Huang W, Ran A, Sun R, Xie W, et al. Flexible normal-tangential force sensor with opposite resistance responding for highly sensitive artificial skin. Adv Funct Mater 2018;28(18):1707503. . 10.1002/adfm.201707503
[9]

Yin Y, Wang Y, Li H, Xu J, Zhang C, Li X, et al. A flexible dual parameter sensor with hierarchical porous structure for fully decoupled pressure-temperature sensing. Chem Eng J 2022;430:133158. . 10.1016/j.cej.2021.133158
[10]

Lee HK, Chung J, Chang S, Yoon E. Real-time measurement of the three-axis contact force distribution using a flexible capacitive polymer tactile sensor. J Micromech Microeng 2011;21(3):035010. . 10.1088/0960-1317/21/3/035010
[11]

Kanao K, Harada S, Yamamoto Y, Honda W, Arie T, Akita S, et al. Highly selective flexible tactile strain and temperature sensors against substrate bending for an artificial skin. RSC Advances 2015;5(38):30170‒4. . 10.1039/c5ra03110a
[12]

Li W, Lin C, Rasheed A, Iranmanesh E, Zhou Q, Wang K. A force and temperature sensor array based on 3-D field-coupled thin-film transistors for tactile intelligence. IEEE Trans Electron Dev 2020;67(7):2890‒5. . 10.1109/ted.2020.2995582
[13]

Hu X, Yang W. Planar capacitive sensors-designs and applications. Sensor Review 2010;30(1):24‒39. . 10.1108/02602281011010772
[14]

Liu Z, Hu X, Bo R, Yang Y, Cheng X, Pang W, et al. A three-dimensionally architected electronic skin mimicking human mechanosensation. Science 2024;384(6699):987‒94. . 10.1126/science.adk5556
[15]

Lei Z, Wu P. Zwitterionic skins with a wide scope of customizable functionalities. ACS Nano 2018;12(12):12860‒8. . 10.1021/acsnano.8b08062
[16]

Shi J, Dai Y, Cheng Y, Xie S, Li G, Liu Y, et al. Embedment of sensing elements for robust, highly sensitive, and cross-talk-free iontronic skins for robotics applications. Sci Adv 2023;9(9):eadf8831. . 10.1126/sciadv.adf8831
[17]

You I, Mackanic DG, Matsuhisa N, Kang J, Kwon J, Beker L, et al. Artificial multimodal receptors based on ion relaxation dynamics. Science 2020;370(6519):961‒5. . 10.1126/science.aba5132
[18]

Ward-Cherrier B, Pestell N, Cramphorn L, Winstone B, Giannaccini ME, Rossiter J, et al. The tactip family: soft optical tactile sensors with 3D-printed biomimetic morphologies. Soft Robot 2018;5(2):216‒27. . 10.1089/soro.2017.0052
[19]

Palli G, Moriello L, Scarcia U, Melchiorri C. Development of an optoelectronic 6-axis force/torque sensor for robotic applications. Sens Actuators A 2014;220:333‒46. . 10.1016/j.sna.2014.09.023
[20]

Yuan W, Dong S, Adelson EH. GelSight: high-resolution robot tactile sensors for estimating geometry and force. Sensors 2017;17(12):2762. . 10.3390/s17122762
[21]

Tomo TP, Regoli M, Schmitz A, Natale L, Kristanto H, Somlor S, et al. A new silicone structure for uSkin—a soft, distributed, digital 3-axis skin sensor and its integration on the humanoid robot iCub. IEEE Robot Autom Lett 2018;3(3):2584‒91. . 10.1109/lra.2018.2812915
[22]

Yan Y, Hu Z, Yang Z, Yuan W, Song C, Pan J, et al. Soft magnetic skin for super-resolution tactile sensing with force self-decoupling. Sci Robot 2021;6(51): eabc8801. . 10.1126/scirobotics.abc8801
[23]

Guo X, Jin C, Li X, Zhang A, Hong W, Yan Z, et al. Electromechanical performance of flexible sensor based on 3D printed biomimetic all-PDMS-coated multistage structure: toward kinesiology monitoring and human-machine interaction. Sens Actuators A 2024;369:115193. . 10.1016/j.sna.2024.115193
[24]

Hou M, Hong W, Chen H, Zhang T, Zhu X, Hao J, et al. Simple fabrication of high-sensitivity capacitive tactile sensor based on a polydimethylsiloxane dielectric layer using a biomimetic gray kangaroo leg structure. J Phys D Appl Phys 2024;57(21):215401. . 10.1088/1361-6463/ad2b24
[25]

Hong W, Guo X, Zhang T, Liu Y, Yan Z, Zhang A, et al. Bioinspired engineering of fillable gradient structure into flexible capacitive pressure sensor toward ultra-high sensitivity and wide working range. Macromolecular Rapid Commun 2023;44(22):2300420. . 10.1002/marc.202300420
[26]

Gao W, Qiao Z, Han X, Wang X, Shakoor A, Liu C, et al. A MEMS micro force sensor based on a laterally movable gate field-effect transistor (LMGFET) with a novel decoupling sandwich structure. Engineering 2023;21:61‒74. . 10.1016/j.eng.2022.06.018
[27]

Billard A, Kragic D. Trends and challenges in robot manipulation. Science 2019;364(6446):eaat8414. . 10.1126/science.aat8414
[28]

Edsinger A, Kemp CC. Manipulation in human environments. In: Proceedings of the 2006 6th IEEE-RAS International Conference on Humanoid Robots; 2006 Dec 4‒6; Genova, Italy. Piscataway: IEEE; 2006. p. 102‒9. . 10.1109/ichr.2006.321370
[29]

Hendrich N, Bistry H, Zhang J. Architecture and software design for a service robot in an elderly-care scenario. Engineering 2015;1(1):27‒35. . 10.15302/j-eng-2015007
[30]

Ajoudani A, Zanchettin AM, Ivaldi S, Albu-Schäffer A, Kosuge K, Khatib O. Progress and prospects of the human-robot collaboration. Auton Robots 2018;42(5):957‒75. . 10.1007/s10514-017-9677-2
[31]

Yousef H, Boukallel M, Althoefer K. Tactile sensing for dexterous in-hand manipulation in robotics—a review. Sens Actuators A 2011;167(2):171‒87. . 10.1016/j.sna.2011.02.038
[32]

Li G, Liu S, Wang L, Zhu R. Skin-inspired quadruple tactile sensors integrated on a robot hand enable object recognition. Sci Robot 2020;5(49):eabc8134. . 10.1126/scirobotics.abc8134
[33]

Zhao X, Chen Y, Qian L, Tao B, Ding H. Human-robot collaboration framework based on impedance control in robotic assembly. Engineering 2023;30:83‒92. . 10.1016/j.eng.2022.08.022
[34]

Sheridan TB. Human-robot interaction: status and challenges. Hum Factors 2016;58(4):525‒32. . 10.1177/0018720816644364
[35]

Yang HD, Park AY, Lee SW. Gesture spotting and recognition for human-robot interaction. IEEE Trans Robot 2007;23(2):256‒70. . 10.1109/tro.2006.889491
[36]

Liu H, Zhang Z, Jiao Z, Zhang Z, Li M, Jiang C, et al. A reconfigurable data glove for reconstructing physical and virtual grasps. Engineering 2024;32:202‒16. . 10.1016/j.eng.2023.01.009
[37]

Severinson-Eklundh K, Green A, Hüttenrauch H. Social and collaborative aspects of interaction with a service robot. Robot Auton Syst 2003;42(3‒4):223‒34.
[38]

Freedy A, De Visser E, Weltman G, Coeyman N. Measurement of trust in human-robot collaboration. In: Proceedings of the 2007 International Symposium on Collaborative Technologies and Systems; 2007 May 25; Orlando, FL, USA. Piscataway: IEEE; 2007. p. 106‒14. . 10.1109/cts.2007.4621745
[39]

Di Giacomo R, Bonanomi L, Costanza V, Maresca B, Daraio CA. Biomimetic temperature-sensing layer for artificial skins. Sci Robot 2017;2(3):eaai9251. . 10.1126/scirobotics.aai9251

AI Summary AI Mindmap
PDF (6321KB)

Supplementary files

Appendix A

7618

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉