使用3D打印仿生人造皮肤模拟皮肤的触觉功能

关键词：电子皮肤，3D打印，触觉，人机交互

【导读】：

协作机器人有望在日常生活和工作场所与人类进行物理互动，包括工业和医疗保健环境。一项关键的相关使能技术是触觉传感，目前需要解决突出的科学挑战，即通过在大面积上适应机器人实施例的复杂弯曲几何形状的柔软适形人造皮肤来同时检测接触位置和强度。

本研究提出了一种具有弯曲几何形状的大面积敏感软皮肤的开发，允许通过模块化贴片覆盖机器人全身。仿生皮肤由柔软的聚合物基质组成，类似于人类前臂，嵌入光子光纤布拉格光栅换能器，部分模仿 皮肤的机械感受器功能，具有漫反射、重叠的感受野。实施卷积神经网络深度学习算法和多网格神经元集成过程来解码光纤布拉格光栅传感器输出，以推断接触力大小和通过皮肤表面的定位。

集成 FBG 传感器的人造皮肤。

协作机器人或协作机器人应该能够在不同场景下在共享工作空间中与人类交互，从工业生产、运输和货物交付到医疗援助和康复。预计工人和协作机器人将在非结构化的公共空间进行物理合作，随着工业 4.0 的持续过渡，机器将不再被视为潜在的替代品，而是伴侣，协助和补充人类执行各种任务的能力。

当前的协作机器人通常集成用于接触检测的传感技术，例如力/扭矩传感器，补充接近识别. 这些技术对已安装的非协作机器的模块化、可扩展性和改造造成了限制，并且还需要低惯性和有效载荷配置。由于它们的存在可能对人类有害，因此机器人仍然在封闭的笼子内运行，并且在大多数过程中与工人分开。在这个领域，可能会发生意外或自愿的接触；因此，智能传感系统的可用性对于在非结构化环境中共存至关重要。机器人能够感知、分类和响应整个身体的触摸，理想地模仿人类的感官表现，可能会导致更有意义和直观的交互并增强灵活性、可重复性、生产力和降低风险。

因此，安全的物理合作和与周围环境的交互取决于触觉反馈的可用性，触摸是一种感官模式，它使人类能够通过接触和操纵探索对象属性来收集有关外部世界的各种触觉信息。

为了提高移动机器人在交互式和手动任务上的性能，机器人专家需要确保他们能够有效地感知环境中的刺激。近年来，许多工程师和材料科学家因此一直在尝试开发可以人工复制生物感觉过程的系统。

Ca' Foscari 大学和意大利其他研究所的研究人员最近使用了人造皮肤和深度学习技术，可用于提高现有和新开发的触觉能力机器人复制所谓的鲁菲尼受体的功能。他们在Nature Machine Intelligence上发表的一篇论文中介绍了他们的方法，它复制了位于人类真皮表层（即皮下皮肤组织）上的一类细胞的功能，即 Ruffini 受体。

大面积柔性FBG光栅传感器人造皮肤

Ruffini 受体，也称为 Ruffini 末端或小体，是一种小型且适应缓慢的细胞，可以检测皮肤的拉伸，以及低频振动、温暖和压力。它们是皮肤受体的四种主要类型之一，与默克尔细胞、帕西尼亚小体和迈斯纳小体一起。

为了复制 Ruffini 末端的功能，研究人员使用了柔软、弯曲的大面积人造皮肤，包括 8 毫米厚的可拉伸聚合物层，其中集成了 430 毫米长的光纤。人造皮肤是使用 3D 打印技术创建的。

FBG 的竞争优势

例如内在的多路复用能力、高灵敏度、易于密集集成和抗电磁干扰（例如，在协作医疗保健应用中实现磁共振兼容性）。因此，这种方法可以被认为是一种突破性的解决方案，以克服理想敏感皮肤发展过程中的若干限制。

“仿生皮肤由柔软的聚合物基质组成，类似于人类前臂，嵌入了光子光纤布拉格光栅换能器，它部分地模仿了 Ruffini 机械感受器的功能，具有漫反射、重叠的感受野，”Luca Massari 和他的同事在他们的论文中解释道。

用于接触力和定位推断的深度学习模型

为了处理和理解他们创建的人造皮肤接收到的信号，研究人员开发了一种基于多层卷积神经网络 (CNN)的深度学习模型。该算法经过训练以估计施加到人造皮肤表面的力，并估计机器人接触某物的点。

CNN 被开发用于力强度检测。对于超过 50 mN 阈值的力，前馈神经网络和随后的多重网格 NIP 实现了施加到皮肤表面的负载接触的本地化。右下角的表格显示了主要结果，即力强度检测误差和施加到皮肤表面的刺激定位误差。

研究人员在他们的论文中写道：“实施了基于 CNN 的深度学习算法和多网格神经元集成过程来解码光纤布拉格光栅传感器输出，以推断接触力大小和通过皮肤表面的定位。”

研究人员在一系列模拟和测试中评估了他们的人造皮肤系统。他们发现它取得了非常有希望的结果，有效地预测了施加在人造皮肤上的力和施加位置。

研究人员写道：“力和定位预测的中值误差分别为 35 mN（四分位距 56 mN）和 3.2 mm（四分位距 2.3 mm）。” “具有拟人化手臂的演示为基于人工智能的集成皮肤铺平了道路，从而通过机器智能实现安全的人机合作。”

未来，这组研究人员创建的系统可以在各种人形机器人上实施，因为构成皮肤的模块化贴片理论上应该适合不同的架构和形状。因此，在接下来的研究中，Massari 和他的同事计划测试他们的方法在多大程度上可以应用于其他系统。