紧凑磁纤毛传感器能否让机器人同时感知三维力与表面?

单个磁纤毛单元配一个霍尔传感器,用同一组信号重建三维力并识别六种表面。

直接答案

可以,但限于已标定的范围。MagCilia 把柔性磁纤毛皮肤与单个霍尔传感器结合,其因果历史融合回归重建三个力分量,Fx、Fy、Fz 的均方根误差分别为 0.40、0.57 和 0.69 N。同一组重建信号随后用于驱动夹爪调整,并在按采集场次分组的交叉验证中以 99.39% 的准确率区分六类表面。

1篇文献引用

本文由 WisPaper 驱动的搜索和论文分析生成。

单个霍尔传感器为何难测三维力

磁触觉传感器的工作方式是让接触使磁化结构变形,再读取局部磁场的变化。MagCilia 的结构是一层皮肤,在 1 mm 基底膜上排布 9×13 的磁纤毛阵列,纤毛高 2.5 mm,并与 PDMS 缓冲层粘合;一个霍尔传感器居中置于皮肤下方,以 246 Hz 采样。整个单元尺寸为 28.00×24.00×11.70 mm,重 8.6 g。

难点在于耦合。法向加载压缩纤毛和支撑层,切向加载使纤毛弯曲并让缓冲层发生剪切,斜向加载则两者兼有。这些变形都会改变磁性材料相对传感点的位置和朝向,因此沿一个轴施加的力会改变不止一个磁通道。论文的灵敏度矩阵明确表达了这一点:其非对角项描述一个方向的加载如何泄漏到其他通道。正因如此,逐通道映射无法直接反解出三维力。

COMSOL 中的准静态有限元分析支持这一图景。法向压入时,磁场变化主要出现在 Bz 分量;正交剪切时,主导的横向响应随加载方向反转符号;斜向剪切则同时改变两个横向分量。不同方向因此留下可区分但相互混合的特征,这促使研究者联合读取完整磁场矢量,而不是一次只看一个通道。

CHFR 如何把磁场历史变成力

重建方法是因果历史融合回归(CHFR)。它的输入不只是当前经基线校正的三轴磁场读数,还包括该读数与它在过去 40 ms 和 120 ms 的差值,构成一个九维向量。当前值描述当下的磁状态;两个差值描述它在两个时间尺度上近期的演变。每一部分都包含全部三个磁通道。

随后,CHFR 通过两条并行分支把这九个特征映射到 Fx、Fy 和 Fz,两条分支的预测等权平均。一条分支是 Extra Trees 集成,含 180 棵决策树、每叶至少 15 个样本,通过局部分区捕捉非线性关系。另一条是核近似岭回归,输入先标准化,用 400 个 Nyström 分量近似径向基函数核,γ = 0.03、α = 1,提供平滑的非线性拟合。

评估设计用于检验对未见加载记录的泛化,而不是在单条记录内插值。五条独立标定记录提供 304,870 对同步的磁场与参考力样本,覆盖 Fx 的 −4.74–4.81 N、Fy 的 −6.64–4.74 N 和 Fz 的 −9.60–0.05 N。五折交叉验证每折留出一条完整记录,指标由合并的折外预测计算。

力误差随轴而异

在五条留出的标定记录上,决定系数为 Fx 0.93、Fy 0.90、Fz 0.92。对应的均方根误差为 0.40、0.57 和 0.69 N,平均绝对误差为 0.25、0.36 和 0.45 N。因此法向分量 Fz 是三者中精度最低的,其以牛顿计的绝对误差也最大。

这些数字是标定载荷范围和接触条件下的总体误差,并不保证任何单次接触的表现。论文指出,它们支持在这些范围内联合重建法向力和切向力。比较传感器的读者还应分清指标类型:均方根误差和平均绝对误差是以牛顿计的力误差,而 R² 衡量的是相对参考力变化的吻合程度,因此当测试力范围较宽时,高 R² 与大均方根误差可以并存。

动态指尖测试通过检查随时间的跟踪来补充总体指标。在一条记录中,Fx、Fy、Fz 的均方根误差分别为 0.05、0.07 和 0.12 N。在四条记录的有效配对时间点上,均方根误差范围为 Fx 0.05 至 0.10 N、Fy 0.07 至 0.12 N、Fz 0.12 至 0.19 N。这些值远小于标定误差,因此不应被当作标定误差的替代:它们描述的是幅值、方向和速率各异的重复手动接触,而非完整的标定包络。

切向力决定夹爪开合方向

在抓取演示中,MagCilia 安装在 Franka Research 3 夹爪上,CHFR 实时向控制器提供力。重建信号经时间常数为 80 ms 的低通滤波。控制器跟踪与竖直加载对齐的切向分量 Ft,并与其稳定抓取时的基线 Ft,0 比较;变化量需通过死区和持续性判据后才会发出指令。法向压缩定义为 Fn = −Fz,用于监测接触并限制进一步闭合。

这种分工很关键:切向变化决定闭合还是张开,法向力则约束允许的压缩量。持续向下的加载触发额外闭合;持续向上支撑或拉拽触发张开,以便人取走物体;当切向力回到基线区域时,夹爪保持当前开度。

记录的力符合这一逻辑。初始抓取的 2 至 14 s 内,Fn 保持在约 1.1 N,切向力接近零。随着外部加载增加,控制器收紧,18–24 s 内 Fn 升至约 1.7 N,同时 Fx 升至约 0.7 N。进一步加载使 Fn 峰值达到 3.91 N。在向上支撑和取走物体时,夹爪张开,释放后三个分量都回到接近零。

另外两项测试考察更小和方向不同的载荷。向已抓取的盒子分三步累加砝码,Fx 的稳定平台依次为 0.08、0.11 和 0.17 N,而加载前均值为 0.04 N;同时 Fn 从 0.32 升至 0.48 N,Fy 保持在相对较小的范围。侧向扰动下,Fy 在 −1.87–0.80 N 之间变化;竖直扰动下,Fx 和 Fy 分别跨 −0.85–0.93 N 和 −0.73–0.77 N,Fn 峰值达 2.41 N。

表面身份藏在频带分布中

表面识别演示复用了同一组重建力,而不是增加第二种传感模态。机器人让 MagCilia 沿每种表面往返移动并保持纤毛接触,每次往返扫描计为一次试验。数据集包含 52 个采集场次中的 328 次试验,覆盖亚克力、织物、纸张、PLA、橡胶和海绵。

六类表面在幅值和时间波动上都不同。中位法向力曲线的峰值幅度在纸张上为 2.50 N,在海绵上为 0.73 N;中位 Fx 曲线的峰峰幅度分别为 1.18 和 0.18 N。这些中位轨迹概括了典型响应;论文还报告了重复试验间的范围。

分类使用这些信号的频谱形状。扫描信号重采样到 250 Hz 并去趋势,Welch 方法估计每个力分量在每个扫描方向上的功率谱,谱被划分为 14 个频带。频带功率在每个通道内归一化并取对数,因此特征描述的是相对频谱分布而非整体力幅值。把两个方向、三个力分量和 14 个频带拼接,得到 84 个特征,输入多类逻辑回归。

在三折交叉验证中按采集场次分组,使同一场次的所有试验留在同一折,分类器正确标记了 328 次试验中的 326 次:准确率 99.39%、平衡准确率 99.37%、宏平均 F1 为 0.99。一次在线机器人演示还识别出了全部六种测试表面。

单单元对比说明了什么

论文的对比表从配置和能力两方面把 MagCilia 与其他磁触觉设计并列。正弦磁化薄膜配霍尔传感实现了法向力和一个切向分量;正交堆叠磁化薄膜配 3×3 霍尔阵列把单个单元扩展到三个力分量,法向量程 28 N、切向量程 ±8 N;磁纤毛阵列配 2×4 传感器阵列以 0.2 mN 分辨率处理切向力与方向;软磁纤毛配感应线圈针对微弱切向感知;分段磁纤毛处理流向与纹理;磁纤毛配单个霍尔传感器报告了法向力和切向方向,法向灵敏度 0.015 N⁻¹、R² = 0.97。

MagCilia 的区分性条目在于组合:磁纤毛配单个霍尔传感器、三维力感知,并报告 0.40/0.57/0.69 N 的均方根误差和 0.93/0.90/0.92 的 R²。这一对比跨越不同的传感任务和报告指标,因此这些数字不是同口径的精度排名。它真正确立的是:定量三分量重建在这里是针对单个接触单元和单个霍尔传感器提出的,而不是针对多传感器阵列。

结论的适用边界

力的精度数字绑定于标定载荷范围和接触条件,标定数据来自手持压头施加的法向、侧向及组合加载。表面结果受限于六个类别、328 次试验和 52 个场次,离线准确率来自按场次分组的交叉验证,在线演示覆盖的也是同样六种表面。两项结果都未确立在未测试材料、未标定载荷范围或标定集之外的接触几何上的表现。

作者也说明了未来工作的方向:优化磁性复合材料和纤毛几何,并集成霍尔传感器阵列以提升力重建精度和空间分辨率。这一表述本身就有信息量,因为即使重建了三个力分量,单个传感点仍限制空间分辨率。

真正的重点是同一信号的复用

最与决策相关的点不是 MagCilia 报告了三维力,也不是它能分类表面,而是两者都来自同一个紧凑单元的重建力信号。抓取反馈使用时域的力分量及其变化;表面识别使用同样这些分量在两个扫描方向上的频域分布。因此,权衡这一设计的读者应问哪项需求占主导:如果最重要的是标定范围内的定量力反馈,那么 Fz 的 0.69 N 均方根误差和记录级验证就是需要细看的数字;如果最重要的是表面区分,那么相关证据是六类表面上按场次分组的 99.39% 结果,以及它依赖主动扫描而非单次触碰这一事实。

本文引用的文献

1

MagCilia: A Compact Magnetociliary Tactile Sensor with 3D Force Sensing for Robotic Contact Perception and Grasping Feedback

单个磁纤毛单元配一个霍尔传感器,在按记录分组的五折交叉验证中以 0.40、0.57 和 0.69 N 的均方根误差重建 Fx、Fy 和 Fz(R² 0.93/0.90/0.92);同样这些力的频率特征在按场次分组的三折交叉验证中以 99.39% 的准确率区分六种表面。