详细内容或原文请订阅后点击阅览
Robotiq 如何根据人手的规格构建 TSF-85 触觉传感器
阅读 Jennifer Kwiatkowski 在 Tech Brief 上发表的完整技术文章。对于构建富含接触操作的团队来说，触觉传感正在从有用的补充转变为合理的要求。仅视觉操纵已经碰壁，触觉增强策略在接触丰富的任务上优于仅视觉基线，并且更好的感知在成本上击败了强力数据规模。到目前为止，联系数据属于培训渠道的原因已经明确。
来源:Robotiq阅读 Jennifer Kwiatkowski 发表的完整技术文章
对于构建富含接触操作的团队来说，触觉传感正在从有用的补充转变为合理的要求。仅视觉操纵已经碰壁，触觉增强策略在接触丰富的任务上优于仅视觉基线，并且更好的感知在成本上击败了强力数据规模。到目前为止，联系数据属于培训渠道的原因已经明确。
这就留下了一个更难的问题。如果现在需要触觉传感器，那么它应该实际测量什么，以及如何构建一个能够在工业部署中生存的传感器？这就是 TSF-85 旨在解决的工程问题。
工业采用缓慢并不是硬件成熟度问题；而是问题。功能强大的触觉硬件已经在实验室中存在了几十年。这是一个解释问题。对于相机，分辨率、帧速率和动态范围可以预见地映射到性能。对于有用的传感器必须捕获什么信号、以什么带宽或以什么分辨率，触觉传感还没有达成一致的共识。这种模糊性是有代价的：计划数十万次抓取的团队需要确信传感器正在捕获正确的物理现象。
Robotiq 并没有从第一原理中推导出该规范，而是从已经比任何机器人都操控得更好的系统（人手）对其进行了逆向工程。
借用人类生理学的规范
人手是现有灵巧操作的最佳特征模型。 Johansson 和 Vallbo 1979 年的研究将其机械感受器分为两种功能模式。缓慢适应 (SA) 单元编码持续的压力、边缘和皮肤拉伸。快速适应 (FA) 单元可响应振动和接触瞬变等动态事件。两者并不多余：人类抓握控制是事件驱动的，FA 传入神经触发快速滑动校正，而 SA 传入神经维持调节握力的接触图。