基于多柔性触觉阵列的机器人接触式智能交互研究

Aiming at safety in the process of human-computer interaction via contact mode, and based on the rapid development of MEMS technology and flexible tactile sensing array technology, the robot haptic sensing system based on flexible haptic array can be constructed. This project aims at the establishment of manipulator-hand flexible multi-array dynamic haptic model and the research on collision avoidance via contact mode by manipulator and autonomous stable gripping by hand. Firstly, manipulator-hand tactile model based on tactile location model, tactile force model and tactile signal statistical model is proposed to provide real-time feedback on the change of robot's contact information during human-computer interaction. Secondly, based on the principle of information entropy, the optimal arrangement of flexible tactile array on manipulator is studied to maximize the tactile perception space. The contact avoidance strategy is also studied for three types of typical human-computer interaction. Thirdly, in order to achieve safe and stable gripping in human-computer interaction, multi-layer convolutional neural network is trained to achieve grasping force / position optimization when grasping for all kinds of objects. Then, adaptive impedance controller is constructed to achieve the coordination of force/position control. The flexible haptic array can effectively expand the intelligence and environmental suitability of the robot and has broad application prospects in artificial intelligence.

针对人机接触式交互过程中的安全问题，依托于快速发展的MEMS技术和柔性触觉传感阵列技术，构造基于柔性触觉阵列的机器人触觉感知系统，搭建机器人臂-手柔性多阵列动态触觉模型，研究人机交互过程中机器人手臂的接触式避碰与手爪的自主稳定抓取等技术。首先提出一种融合触觉位置模型、触觉力模型和触觉信号统计模型的机器人臂-手动态触觉模型，实时反馈人机交互过程中机器人接触信息的变化。在此基础上，基于信息熵原理研究机器人手臂的柔性触觉阵列优化布置方法，最大化机器人手臂的触觉感知空间，并针对三类典型人机交互动作开展接触式避碰策略研究。第三，针对人机交互过程中机器人手爪的抓取问题，基于多层卷积神经网络开展机器人抓取力/位置优化方法研究，实现机器人针对各类物体的自主稳定安全抓取；同时设计自适应阻抗控制器，实现机器人自主抓取的力位协调。柔性触觉阵列能够有效地拓展机器人的智能化和环境适用性，在人工智能时代具有广阔的应用

人机交互方式从界面交互向接触式交互、从机器人被动操作到人机协作是未来机器人发展的重要方向。触觉作为仅次于视觉的一类重要感知手段，是机器人获取自主性和智能化的必要感知单元。依托于触觉传感器，机器人能够完成单纯依靠视觉无法获取的环境和操作物体信息，提升对环境和操作物体的认知水平。在机器人与人的频繁接触过程中，如何解决机器人出力过大或者碰撞问题，如何确保人的安全是接触式交互亟待解决的问题。.本项目依托柔性触觉阵列传感器，搭建多传感器信息融合的机器人智能交互系统，融合触觉时变位置、触觉力和触觉信号统计信息构造机器人臂-手动态触觉模型；在此基础上，基于信息熵原理研究机器人手臂的柔性触觉阵列优化布置方法，并开展接触式避碰策略研究。第三，针对人机交互过程中机器人抓取问题，基于多层卷积神经网络开展机器人抓取力/位置优化方法研究，实现机器人针对各类物体的自主稳定安全抓取。.本项目提出的融合实例分割算法的目标最优抓取姿态选取方法，使得机器人抓取位置成功率达到97.37%，该方法比基于整图的抓取位姿选取方法成功率提高35.04%。此外，本项目分别基于不同类型的触觉阵列传感器建立了抓取接触力数据集，并提出了适用于多类型触觉传感器的端到端稳定抓取判别方法，将卷积神经网络作为基线网络，使用全局池化层、多个全连接分类器和掩码预测分支扩展其网络框架，在自建数据集上分别达到了99.49%和94.25%的稳定抓取成功率，有效地实现了稳定抓取。.通过本项目的研究，初步形成了具备触觉感知功能的机器人智能交互系统，实现机器人与人进行接触式交互的力位协调，有力推动了人机接触式交互的理论方法积淀和技术成熟度，提升了机器人智能化和环境适用性，相关技术在空间探测、医疗康复、养老护理、家庭服务等方面呈现出广阔的应用与发展前景。