Advanced Intelligent Systems 综述论文：视触觉传感器的力测量技术

本文来源于Advanced Intelligent Systems，欢迎浏览！

综述背景

在视触觉传感领域，力测量技术一直都是是研究重点。近期，方斌教授团队发表的Advanced Intelligent Systems 综述论文，深入探讨了标记属性与力量测量精度的关系，提出了优化标记设计的潜在解决方案。讨论了基于视觉的触觉传感器力量测量技术，深入探讨了力量感应原理、标记类型、测量方法及应用场景等，为VTS的力量测量提供了全面而深入的技术细节。帮助相关领域的研究者们促进力测量技术的进一步发展。

综述概述

标记型视觉触觉传感器（VTS）通过标定标记矢量信息实现力的感知，触觉可视化可以提供高精度、多模态的力信息，促进机器人灵巧操作的发展。考虑到VTS对力测量的贡献，本文综述了VTS先进的力测量技术。首先，介绍标记型VTS的工作原理，包括单层标记、双层标记、颜色编码和光流。然后，详细讨论了标记类型与力测量类别的关系。在此基础上，总结了标记特征提取的过程，包括图像处理和标记匹配技术。根据学习方式，力测量方法分为物理和深度学习模型。进一步，从输入类型的角度分析了每种方法的分支。结合测量范围和精度，进一步讨论了传感器设计、材料和识别方法与力测量性能的相关性。最后，分析了困难和挑战，并提出了未来的发展方向。本综述旨在加深对该研究进展和应用的了解，为研究界提供参考，推动相关领域的技术更新。

这篇工作中将目前市面上的力感知技术按照几个大类进行了分类。

1. 传感原理

视触觉传感器的原理是利用相机接收表面形变信息来实现对外界感知的。但作者将接受信息的原理类型进行再划分。如文中对原理分类为单层标记物、双层标记物、颜色编码、光流和其他特殊标记方式。针对目前这几种标记方式进行了分类和讨论。

2. 标记类型

圆形标记的可靠性已在大量实验中得到证实。密集标记本质上也是圆形标记。随机性提高了触觉数据的稳健性，以应对更复杂的接触情况。考虑到多模态集成，圆形标记目前仍然是首选。如果仅考虑力测量，我们认为密集标记和三角形/正方形标记具有更大的潜力。然而，三角形和正方形标记的分布不能像圆形标记那样展开。它们需要通过连续边界连接。边界线的变形表示也可以提供丰富的力信息，类似于有限元。

3．力测量方法

物理模型需要研究者深刻理解变形原理，重构变形过程，侧重于弹性体的物理性质和力效应，属于弹性力学范畴。但弹性体的变形状态复杂，用物理模型难以全面解释任何条件下的变形。深度学习模型以数据驱动的方式构建输入与输出的映射关系，理论上数据越全面，数据规模越大，模型的泛化程度越高。然而，标记物图像的非均匀性给深度学习模型带来了挑战。这源于标记物类型的差异以及制备过程中不可避免的误差。如第3节所述，3D打印标记物和密集标记物可以弥补制备误差。此外，我们认为两种模型的结合可能是互补的。基于弹性理论，可以通过深度学习模型获得一些非线性参数，降低了对数据规模的要求，提高了模型的泛化能力。

4. 力精度测量

论文中还对目前出现的力测量精度和范围进行了总结。（具体文献见论文原文）

总结

本文介绍了基于标记型视觉触觉传感器（VTS）的力量测量技术。VTS通过校准标记矢量信息实现力量感应，提供高精度和多模态力信息，推动机器人灵巧操作的发展。文章首先介绍了单层标记、双层标记、彩色编码和光流等标记型VTS的工作原理，深入讨论了标记类型与力量测量类别之间的关系。在此基础上，总结了标记特征提取的过程，包括图像处理和标记匹配技术。根据学习方法，将力量测量方法分类为物理模型和深度学习模型，分析了各方法的分支及输入类型。结合测量范围和精度，进一步讨论了传感器设计、材料和识别方法对力量测量性能的相关性。最后，分析了困难和挑战，并提出了未来的发展方向。

期刊简介

Wiley旗下智能系统领域开放获取旗舰刊。期刊收录关于具有刺激或指令响应智能的人造装置系统的研究，包括机器人、自动化、人工智能、机器学习、人机交互、智能传感和程序化自组装等前沿应用。Advanced Intelligent Systems最新的期刊引文指标1.11，期刊影响因子6.8，在计算机科学，人工智能和自动化与控制系统中分类皆为Q1。(源自Clarivate 2023)

点击投稿