Skip to content
RobotWorld
返回论文库

PAPER DEEP DIVE

软体机器人本体感受触觉

结构化软体机械臂中本体感受与接触感知的模型解耦策略

本文提出模型解耦策略,在结构化软体机械臂中分离本体感受与接触感知,提升软体机器人的感知精度和控制能力。

Francesco Stella, Annan Zhang, Cosimo Della Santina, Josie Hughes, Daniela Rus2026年7月17日3 分钟阅读
EN

论文:A Model-Based Decoupling Strategy for Proprioception and Contact Sensing in an Architected Soft Manipulator

作者:Francesco Stella, Annan Zhang, Cosimo Della Santina, Josie Hughes, Daniela Rus(MIT CSAIL / EPFL / TU Delft)

来源:arXiv:2607.15582

本论文提出了一种基于模型的解耦策略,仅靠嵌入式流体压力传感器,就能在架构化软体机械臂(Air-Helix)中同时实现本体感知(proprioception)和接触检测(contact sensing),而无需在结构表面额外部署传感器阵列。

1. 研究背景与动机

软体连续体机械臂(soft continuum manipulators)以其柔顺性(compliance)和对非结构化环境的安全交互能力而著称。然而,正是这种可变形性使得感知变得困难:有效的闭环控制和富接触操作(contact-rich manipulation)同时需要 本体感知(机器人自身形状)和 外部感知(检测外部接触),但在高度可变形、稀疏的晶格结构中集成传感器而不损害其力学性能,仍是一个开放性挑战。

现有嵌入式感知模态各有局限:

感知模态优势局限
压阻/电容皮肤(Piezoresistive/Capacitive skins)可覆盖大面积重复性差、寄生电容、需稳定安装面(稀疏晶格不具备)
光纤(Optical fibers)/IMU局部形状估计布线复杂、需刚性附件
视觉触觉传感器(Vision-based tactile)末端高分辨率体积大、需受控光学条件,全身部署不现实
液态金属传感器(Liquid metal)高柔顺性泄漏风险、毒性
应变片/导电弹性体(Strain gauges / conductive elastomers)可直接嵌入致动器大应变下易碎、迟滞、信号漂移、耐久性有限

更关键的是,大多数方法要么测量形状,要么检测接触,很少有方法能通过单一传感模态同时实现两者。流体神经化(fluidic innervation)——在软结构内嵌入密封气腔并读取其内部压力——是一个有前景的方向,但此前的连续螺旋布线方式使每个通道的压力响应被整段结构平均化,难以实现局部接触定位。

2. 核心设计:Innervated Trimmed Helicoid (ITH)

本文的核心设计元素是 Innervated Trimmed Helicoid (ITH)——一种架构化结构,其中六条气通道沿段段圆周以 局部锯齿形(localized zigzag) 路径布线,间距 $60^{\circ}$。与文献 [28] 中的连续螺旋布线不同,这种局部拓扑使每个通道的压力响应主要由其圆周位置的局部变形决定,而非被整段平均。由此产生的六个独立压力信号通过运动学模型与段的三个自由度解析相关。

Air-Helix系统总览

图1:Air-Helix 软体操作臂系统总览。A) 八段 ITH 组成三个独立驱动节段;B) 单段 ITH 细节,六条流体通道沿圆周锯齿布线;C) 解耦策略:六路压力经 PCC 模型映射到三个 DOF,Huber 回归降权异常通道(接触)。

每条通道内径 $3\,\text{mm}$、外径 $4\,\text{mm}$,沿约 $65\,\text{mm}$ 段高走五次锯齿转折,总通道长约 $130\,\text{mm}$。一端密封,另一端经 $1\,\text{mm}$ 橡胶管连接差压传感器(All Sensors)。传感原理基于理想气体定律:密封通道封闭固定质量空气,结构变形改变通道截面积,从而改变封闭体积并在差压传感器处产生压力变化。由于空气可压缩,响应沿整条通道长度积分变形——这是相对于电阻/电容点传感器的关键优势。

3. 传感器-形状模型(PCC)

每个 ITH 段被建模为 分段常曲率(Piecewise Constant Curvature, PCC) 截面,由三个构型变量 $q=[\Delta L,\Delta x,\Delta y]^{\top}$ 完整描述,分别代表中心长度变化和两个正交方向的弯曲。第 $j$ 条通道的长度与段构型的关系为:

$$L_{j}=L_{0}+\Delta L+\Delta x\cos\alpha_{j}+\Delta y\sin\alpha_{j}$$

其中 $L_{0}$ 为未变形段长,$\alpha_{j}\in\{0,\frac{\pi}{3},\frac{2\pi}{3},\pi,\frac{4\pi}{3},\frac{5\pi}{3}\}$ 为第 $j$ 条通道的角位置。每通道压力经线性标定 $\hat{L}_{j}=L_{0}+s_{j}\,p_{j}$ 映射为长度测量。

将六通道测量写为 $b=[\hat{L}_{1},\ldots,\hat{L}_{6}]^{\top}$,系统取 $b=Aq$ 形式:

$$A=\begin{bmatrix}1&\cos\alpha_{1}&\sin\alpha_{1}\\1&\cos\alpha_{2}&\sin\alpha_{2}\\\vdots&\vdots&\vdots\\1&\cos\alpha_{6}&\sin\alpha_{6}\end{bmatrix}\in\mathbb{R}^{6\times 3}$$

这是一个 超定系统(overdetermined system):六次测量对应三个未知量。普通最小二乘解 $\hat{q}=(A^{\top}A)^{-1}A^{\top}b$ 在无接触时提供形状估计。

4. Huber 回归:联合形状与接触估计

当外部接触使某通道变形超出 PCC 预测时,对应测量成为最小二乘拟合中的 异常值(outliers)。本文利用这一点,用 Huber 回归(Huber regression) 替换普通最小二乘,通过 迭代重加权最小二乘(IRLS) 同时估计段形状并识别接触通道。第 $j$ 条通道的残差为:

$$r_{j}=\hat{L}_{j}-(L_{0}+\Delta L+\Delta x\cos\alpha_{j}+\Delta y\sin\alpha_{j})$$

Huber 损失对大残差降权:

$$\rho(r_{j})=\begin{cases}\frac{1}{2}r_{j}^{2}&\text{if }|r_{j}|\leq\delta\\\delta|r_{j}|-\frac{1}{2}\delta^{2}&\text{if }|r_{j}|>\delta\end{cases}$$

其中 $\delta=1.5\cdot\mathrm{MAD}$,MAD 由无接触随机变形标定序列的中位绝对偏差计算。IRLS 流程为:

  1. 用普通最小二乘解初始化 $\hat{q}$;
  2. 计算残差 $r_{j}$ 及权重 $w_{j}=1$(若 $|r_{j}|\leq\delta$),否则 $w_{j}=\delta/|r_{j}|$;
  3. 求解 $\hat{q}=(A^{\top}WA)^{-1}A^{\top}Wb$,$W=\mathrm{diag}(w_{1},\ldots,w_{6})$;
  4. 重复 2–3 直至收敛。

收敛后,$w_{j}<1$ 的通道被标记为接触。算法在 MATLAB 中收敛耗时 $0.2\,\text{ms}$,支持 $100\,\text{Hz}$ 传感器速率的实时运行。

5. 方法架构流程

flowchart TD
    A["六通道压力读数 p1..p6"] --> B["逐通道线性标定\nL_j = L0 + s_j * p_j"]
    B --> C["构建超定系统 b = Aq\n(6测量, 3未知量)"]
    C --> D["Huber回归 IRLS\n权重 w_j = 1 if |r_j|<=δ\n否则 δ/|r_j|"]
    D --> E{"收敛?"}
    E -- 否 --> D
    E -- 是 --> F["形状估计 q_hat\n(ΔL, Δx, Δy)"]
    D --> G["接触通道标记\nw_j < 1 → 接触"]
    F --> H["PCC 正运动学\n→末端位姿"]
    G --> I["接触定位\n60°扇区 + 段"]
    H --> J["全身位姿组合\n(8段级联)"]
    I --> K["触觉交互:\n示教/导纳控制/物体重建"]

6. 实验结果

6.1 单段特性表征

单段特性表征

图2:单段特性表征。A–C) Instron 加载下的力、压缩和压力传感器读数;D) 手动变形原始读数(x弯曲、压缩、y弯曲、局部触摸产生可区分特征);E–F) 15个径向位置×5级载荷的灵敏度分析;G) 循环 Instron 压缩显示4次预调节后传感器响应可重复。

材料 EPU 40 在四次预调节循环后表现出可重复行为。六通道压力响应与压缩近似线性,验证了线性标定映射的合理性。在每通道15个径向位置的灵敏度分析中,响应沿通道各位置一致,证实封闭空气体积均匀积分局部变形。手动变形测试确认:x 弯曲、轴向压缩、y 弯曲、局部触摸各自产生可区分的传感器特征。

6.2 本体感知精度

单段本体感知与接触检测

图3:A) 随机肌腱驱动运动下估计形状变量与 OptiTrack 真值的时间序列对比;B) 汇总指标(形状误差、末端笛卡尔误差、接触检测率);C) 嵌入式传感重建的全臂位姿(下)vs 照片(上);D) 固定位姿实验中的接触检测。

单段在随机非周期运动下,相对弯曲误差为 $\mathbf{0.11\pm 0.02}$。部署于八段 Air-Helix 全臂时,末端笛卡尔误差(归一化)为 $\mathbf{0.06\pm 0.02}$。冗余估计相互一致并高频追踪运动捕捉参考。

6.3 接触检测

在固定构型下依次触摸六通道位置,Huber 回归形状估计在接触序列中保持稳定,而原始信号清晰记录每次触摸。阈值 $\delta=1.5\cdot\mathrm{MAD}$ 由 60 秒无接触随机构型标定确定。在 9 个工作空间均匀分布的固定位姿上重复实验,共 178 次接触事件,平均接触检测率 97%

指标数值说明
相对弯曲误差$0.11\pm 0.02$单段,平均驱动速度 1 rad/s
末端笛卡尔误差(归一化)$0.06\pm 0.02$八段 Air-Helix 全臂
接触检测率97%178 次事件,9 个位姿
接触空间分辨率$60^{\circ}$ 扇区每通道一个扇区
算法收敛时间$0.2\,\text{ms}$MATLAB,支持 100 Hz 实时

7. 全臂探索性演示

全臂演示

图4:A) 触觉示教:用户按压机器人本体指示弯曲位置,接触触发局部肌腱收缩,逐步构建目标形状,回放准确;B) 基于肌腱的示教基线(回放不准确);C) 通过冗余气腔的末端力估计;D–E) 导纳控制维持末端目标力。

在完整 Air-Helix 上展示了三项探索性演示:

  • 触觉示教(Tactile Teaching by Demonstration):用户按压机器人本体指示期望弯曲位置,接触触发局部肌腱收缩,逐步构建目标形状。回放精度优于基于肌腱传输的基线示教(后者因传输损耗不准确)。
  • 力感知与导纳控制(Force Sensing and Admittance Control):比例导纳控制器实时维持末端目标力——外扰增大接触力时机器人回缩恢复目标,反之亦然。
  • 触觉物体重建(Tactile Object Reconstruction):结合本体感知与末端接触检测,机器人对已知位置物体定位,对三个圆柱估计半径精度 $\pm 1.6\,\text{cm}$,并用 Delaunay 三角剖分从未知物体接触点云重建表面。
触觉物体重建

图5:A) 已知位置物体定位精度(靶心图);B) 未知物体接触点云 Delaunay 三角剖分重建;C) 圆柱半径估计(精度 ±1.6 cm)。

8.

激光位移参数

$$ q=[\Delta L,\Delta x,\Delta y]^{\top} $$

局限性与讨论

  • 解耦仅在单段单点接触下验证;同时多点接触及相邻段间耦合接触未测试。理论上六传感器三 DOF 每段最多可检测三处接触,但未实验确认。
  • 接触定位分辨率仅限于单通道 $60^{\circ}$ 扇区,非连续空间估计;单通道无法沿自身长度定位(压力沿通道体积均匀)。
  • 线性压力-长度标定依赖固定温度和加载速率下的 Instron 特性;动态加载和长期漂移影响未系统研究。
  • 全臂演示为探索性:全臂本体精度基于静态位姿评估而非连续运动捕捉;触觉示教和物体重建未做定量评估。

相比 Wang 等人的期望方法 [24],本方法无需致动器命令反馈或命令-形状模型,且使用单一传感模态,简化了肌腱驱动系统部署(致动器-形状模型因摩擦和线缆损耗不准确)。此方法还可与数据驱动方法结合直接学习传感器-状态映射 [29],但学习模型需为每种机器人构型采集训练数据,且不天然分离本体与接触信号。

9. 总结

本论文针对架构化软体机械臂中本体感知与接触检测的难题,提出了一种简洁而有效的模型解耦方案。核心创新在于:将六条局部锯齿形气腔嵌入 Trimmed Helicoid 段,形成六对三的超定系统,再以 Huber 回归同时估计形状(共识通道)和检测接触(异常通道),仅需单一流体传感模态即可实现。实验在单段层面验证了 $0.11\pm 0.02$ 的相对弯曲误差和 97% 的接触检测率,并在 Air-Helix 八段全臂上展示了触觉示教、导纳力控和物体重建等应用。该方法为架构化软机器的并发本体感知与接触检测提供了一条实用的工程路径,未来可通过更密通道布局、信号插值和动态连续真值追踪进一步完善。