基于人类触觉的机器人触觉感知材料识别

余茜1,2，陈楚豪1,3，吴德志1,3，西文明1，刘厚德2*

1

厦门大学航空航天工程学院，厦门361102

2

清华大学深圳研究生院，深圳518055

三

厦门大学深圳研究院，深圳518000

*

信件应寄给的作者。

申请。科学。2019年9月12日2537；https://doi.org/10.3390/app9122537

接收时间：2019年4月29日/接受时间：2019年6月12日/发布时间：2019年6月21日

（本文属于特刊《人性友好机器人学》）

下载PDF浏览图

摘要

提出了一种新的用于机器人触觉感知的材料识别方法。该方法由两个步骤组成。首先，由机器人进行一次人类触觉感应的短时（1s）滑动动作，获取触觉数据。然后，利用机器学习算法对触觉数据进行处理，设计11个仿生特征，模拟皮肤中四种主要触觉感受器的机械刺激。本文利用14.4万幅触觉图像组成的材料数据库训练了7个分类器，并根据其性质和材料选择了最准确的分类器来识别12个家用物体。在属性识别中，根据材料的柔度和质地将其分为4类，在36ms内的识别准确率达到96%，在37ms内识别出特定的材料，在37ms内的识别准确率达到90%，验证了该方法的有效性。

关键词：材料识别；触觉传感器；短时探测；小波变换；多层感知器；人体触觉

1介绍

在非结构化环境下，机器人需要与人类合作，因此迫切需要开发机器人的智能触觉感知[1,2]。例如，手术机器人需要切除病变组织，同时避免对人体造成伤害[3,4]。具有触觉反馈的假肢装置提高了抓取任务的成功率[5]。此外，触觉感知尤其重要，因为许多任务需要机器人识别无意的碰撞，或者有意与物体或人类进行身体接触[6]。材料识别是机器人触觉感知的一项重要能力，因为这种能力使机器人不仅能够获得触觉，而且还能感知柔度、粗糙度和纹理，从而提高与物体或人类交互时的环境感知能力。具体地说，材料感知到的粗糙度和纹理可以帮助机器人在抓取、操纵和其他任务时调整控制策略，而顺从性的意识可以使人或物体远离潜在的破坏性影响[7]。因此，将材料识别技术应用于机器人触觉感知是非常重要的。

为了实现机器人的材料识别，人类利用动态触觉来探索和感知材料是一个很好的参考。通过在运动过程中感知高空间和时间频率，动态触觉感知能够感知精细的表面特征并监控接触条件，从而进一步识别材料[8,9,10]。

近年来，大规模、高密度的集成触觉传感器得到了很好的发展，以实现机器人的动态触觉感知[10,11]。与在指尖或关节上记录单个值的力或扭矩传感器相比，这些触觉传感器可以在很大范围内集成在机器人上，同时监测交互过程中的压力分布，从而使机器人能够定位物体、检测滑动并识别物体的大小和表面特性[12,13,14,15]。由于触觉传感器可以提供丰富的接触数据，在一项研究中，我们获得了一系列与挤压、滑动、刮擦和抓取过程中的振动、压力分布和热性能有关的动态触觉数据，然后对这些数据进行进一步分析，以确定材料的柔顺性、纹理，以及其他属性[15,16,17,18]。然而，对于机器人来说，快速、准确地识别交互物体仍然是一个挑战，这对于机器人触觉感知具有重要意义。

模拟人手的动态触觉和触觉感知方式，提出了一种利用高密度触觉传感器进行材料识别的新方法。该方法由两个步骤组成。第一种是由机器人进行的持续时间短的滑动动作，以获得材料的触觉数据。第二步利用机器学习对触觉数据进行处理，包括特征提取和分类器训练。在这种方法中，一秒钟的人类触摸激发的滑动动作被用作探索程序（EP），wh模拟人手的动态触觉和触觉感知方式，提出了一种利用高密度触觉传感器进行材料识别的新方法。该方法由两个步骤组成。第一种是由机器人进行的持续时间短的滑动动作，以获得材料的触觉数据。第二步利用机器学习对触觉数据进行处理，包括特征提取和分类器训练。第二张幻灯片采用了一种探索性的方法（第二张幻灯片中采用的是一种探索性的方法）。对于机器人来说，实现滑动动作比抓取和其他动作更容易；对于安全性而言，滑动动作比抓取或按压动作危害更小。其次，计算三个与材料相关的时间序列来提取触觉数据。然后，基于统计和小波变换从序列中提取11个仿生特征，模拟人类触觉感知。由于统计方法提取的特征表征了序列的一致性和复杂性，因此这些信息模仿了人类触觉的Ruffini小体和Merkel细胞的信号。另外，小波变换提取的特征可以模拟太平洋小体和梅斯纳小体的信号，提供不同频率的振动信息。最后用主成分分析（PCA）生成特征向量。最后，利用七个训练好的分类器对特征向量进行分析，根据样本的性质或材料对样本进行分类。这项工作的贡献是开发了一种新的两步式机器人触觉识别方法。该方法的新颖性是由于两个因素。首先，一个人类触摸激发的短时间幻灯片探索过程只需要1s，这使得材料识别更加有效，而且比抓取或按压动作危害更小。第二，仿生触觉数据处理提高了特征的可分辨性，使识别更加准确。

2相关工作

材料特性，如纹理、柔度、密度和热特性，在材料识别中尤其有用，对此主题进行了许多研究[19,20]。例如，Kerr等人。将表面纹理和热特性作为材料识别的关键特征，对14种材料的最佳分类精度达到86.19%。他们的方法计算效率高（训练一次折叠需要0.55秒），而且精度是可以接受的，尽管为收集触觉数据而执行的按压动作和滑动动作非常耗时，而且这两个动作耗时超过20秒[16]。如果交互目标是人，并且交互力足够大，足以造成伤害，那么大的时间开销会加剧伤害。Bhattacharjee等人。利用触觉传感前臂获取接触力、接触面积和接触运动的时序序列，这些时序可以用来判断运动性和柔顺性，进而对物体进行分类。感知机动性对于自主操作是非常重要的，尽管它会产生巨大的交互力，会伤害人类，72%的准确度需要提高[21]。基于变形性和纹理，Khasnobish等人。通过分析物体与夹持器动态交互过程中获得的触觉图像，提取不同材料表面的特征。在四种生物膜上，分类器的准确率为78%[17]。变形性和纹理是两个很有前途的材料识别特征。然而，它们用于分类器的特征是单个触觉图像的统计特征，不能有效地反映纹理。本研究利用统计学和小波变换从触觉数据中提取柔顺性和纹理相关的特征。然后，利用时域和频域特征作为分类器的输入，对材料进行识别。

为了有效地感知材料的特性，人类的动态触觉感知通常采用各种探索程序（EPs）或手部动作来探索目标。以手部承受的压力为例，观察到身体的整体结构、轮廓和压力。在现有的作品中，Kaboli等人。对基于阴影手和仿人机器人的材料识别进行了一系列探索性的过程，验证了触觉描述子的性能和鲁棒性。采用外侧、内侧、环形和联合运动滑动动作收集触觉数据。尽管任何探测都需要1秒以上（对于中间和圆形sl，2秒和10秒）的时间，但对于大量的材料，几乎实现了100%的准确率