Whisker-Inspired Tactile Sensing: A Sim2Real Approach for Precise Underwater Contact Tracking

📄 arXiv: 2410.14005v1 📥 PDF

作者: Hao Li, Chengyi Xing, Saad Khan, Miaoya Zhong, Mark R. Cutkosky

分类: cs.RO, cs.AI

发布日期: 2024-10-17

💡 一句话要点

提出一种基于水下仿生触须的Sim2Real接触跟踪方法，实现精确水下物体定位。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 水下机器人 仿生触须 接触感知 Sim2Real 光纤布拉格光栅

📋 核心要点

  1. 水下机器人缺乏精确感知周围环境的能力，尤其是在浑浊或光线不足的环境中，传统的视觉或声呐方案存在局限性。
  2. 该论文提出了一种基于仿生触须的水下接触感知方法，利用光纤布拉格光栅技术实现高精度触觉传感，并结合Sim2Real学习框架。
  3. 实验结果表明，该方法能够在水下实现亚毫米级的接触点跟踪精度，并且具有良好的泛化能力，无需依赖精确的机器人自身定位。

📝 摘要（中文）

本文提出了一种基于光纤布拉格光栅(FBG)技术的水下触须传感器设计与应用。该被动触须安装在机器人外部，通过轻微的非侵入式接触来感知周围环境。针对接触跟踪问题，本文采用了一种sim-to-real学习框架，该框架首先在仿真环境中进行大量数据收集，然后进行sim-to-real校准，将仿真环境中训练的模型迁移到真实世界。水下实验表明，该方法能够以小于2毫米的精度跟踪接触点，且无需精确的机器人自身定位信息。此外，该方法还能够泛化到未见过的物体。

🔬 方法详解

问题定义：论文旨在解决水下机器人精确接触跟踪的问题。现有方法，如依赖视觉或声呐的方案，在水下环境复杂、光照条件差或水体浑浊的情况下表现不佳。此外，精确的机器人自身定位信息通常难以获取，进一步限制了接触跟踪的精度。因此，需要一种鲁棒、精确且不依赖精确机器人自身定位的水下接触感知方法。

核心思路：论文的核心思路是借鉴水生哺乳动物（如海豹）的触须感知机制，设计一种基于光纤布拉格光栅（FBG）技术的被动触须传感器。通过触须与物体的接触，FBG传感器能够感知触须的形变，从而推断出接触点的位置。为了解决仿真与真实环境的差异，论文采用了Sim2Real学习框架，在仿真环境中训练模型，并通过校准过程将模型迁移到真实世界。

技术框架：整体框架包括以下几个主要阶段：1) 触须传感器设计与制造：基于FBG技术设计水下触须传感器，并将其安装在机器人外部。2) 仿真环境搭建：构建水下环境的仿真模型，包括机器人、触须和各种物体。3) 数据采集：在仿真环境中，通过控制机器人运动，使触须与物体发生接触，并记录FBG传感器的读数和对应的接触点位置。4) 模型训练：使用仿真数据训练接触点定位模型。5) Sim2Real校准：通过少量真实数据对模型进行校准，以减小仿真与真实环境的差异。6) 真实环境测试：在真实水下环境中测试模型的性能。

关键创新：论文的关键创新在于：1) 将仿生触须感知技术应用于水下机器人，提供了一种新的水下接触感知方案。2) 采用Sim2Real学习框架，有效解决了仿真与真实环境的差异，降低了数据采集的成本。3) 该方法不依赖精确的机器人自身定位信息，提高了系统的鲁棒性。

关键设计：在Sim2Real校准阶段，论文可能采用了域适应（Domain Adaptation）或迁移学习（Transfer Learning）等技术，以减小仿真与真实环境的差异。具体的校准方法和损失函数等技术细节在摘要中未明确说明，属于未知信息。此外，FBG传感器的具体参数选择、触须的材料和几何形状设计，以及接触点定位模型的网络结构等细节也未在摘要中详细描述，属于未知信息。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，该方法能够在水下以小于2毫米的精度跟踪接触点，并且具有良好的泛化能力，可以应用于未见过的物体。该方法无需依赖精确的机器人自身定位信息，降低了对机器人硬件的要求，提高了系统的鲁棒性。这些结果验证了该方法在水下接触感知方面的有效性和实用性。

🎯 应用场景

该研究成果可应用于水下机器人自主导航、水下结构物检测与维护、水下考古、海洋生物研究等领域。通过触须感知，水下机器人能够在复杂水域环境中进行精确操作，例如在浑浊水域中进行管道检测、海底电缆维护等任务。该技术还有助于开发更智能、更灵活的水下作业机器人，提高水下作业的效率和安全性。

📄 摘要（原文）

Aquatic mammals, such as pinnipeds, utilize their whiskers to detect and discriminate objects and analyze water movements, inspiring the development of robotic whiskers for sensing contacts, surfaces, and water flows. We present the design and application of underwater whisker sensors based on Fiber Bragg Grating (FBG) technology. These passive whiskers are mounted along the robot$'$s exterior to sense its surroundings through light, non-intrusive contacts. For contact tracking, we employ a sim-to-real learning framework, which involves extensive data collection in simulation followed by a sim-to-real calibration process to transfer the model trained in simulation to the real world. Experiments with whiskers immersed in water indicate that our approach can track contact points with an accuracy of $<2$ mm, without requiring precise robot proprioception. We demonstrate that the approach also generalizes to unseen objects.