Friction-Scaled Vibrotactile Feedback for Real-Time Slip Detection in Manipulation using Robotic Sixth Finger
作者: Naqash Afzal, Basma Hasanen, Lakmal Seneviratne, Oussama Khatib, Irfan Hussain
分类: cs.RO, eess.SY
发布日期: 2025-03-19
💡 一句话要点
提出摩擦力感知的振动触觉反馈，用于机器人第六指操作中的实时滑移检测。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 机器人第六指 触觉反馈 振动触觉 滑移检测 摩擦力感知
📋 核心要点
- 现有机器人肢体/手指的抓取性能远低于人手，难以有效进行抓取和操作。
- 通过振动触觉提示编码摩擦信息，在初始滑移时传递给用户，辅助用户感知摩擦力并调整抓握力。
- 实验表明，该方法能有效提升用户对不同摩擦条件下物体的摩擦感知准确率，达到94.53%。
📝 摘要（中文）
本文提出了一种新颖的方法，通过编码的振动触觉提示将摩擦信息传递给用户，以增强机器人额外肢体/手指的抓取和操作能力。这些提示在初始滑移发生时传递，使用户能够感知摩擦力，并利用这些信息增加力以避免物体掉落。在双选强迫选择实验中，参与者在三种不同的摩擦条件下抓取并抬起玻璃杯，施加3.5N的正向力。达到此力后，逐渐释放玻璃杯以诱发滑移。在滑移阶段，根据静态摩擦系数缩放的振动呈现给用户，反映摩擦条件。结果表明，在抬起具有不同摩擦力的物体时，感知摩擦信息的准确率为94.53 p/m 3.05 (平均值 p/m 标准差)。结果表明，使用振动触觉反馈进行感觉反馈是有效的，允许机器人额外肢体/手指的用户感知摩擦信息，从而评估表面特性并根据摩擦条件调整抓握力，从而提高他们抓取、更有效地操作物体的能力。
🔬 方法详解
问题定义：论文旨在解决机器人额外肢体或手指在操作过程中，由于缺乏像人手一样的触觉反馈，难以有效检测滑移并调整抓握力的问题。现有方法无法有效模拟人手对摩擦信息的感知能力，导致抓取性能受限。
核心思路：论文的核心思路是通过振动触觉反馈模拟摩擦信息，将摩擦系数编码为振动信号，并在物体发生滑移时传递给用户。用户通过感知振动信号的变化，判断摩擦条件，从而调整抓握力，避免物体掉落。
技术框架：该方法主要包含以下几个阶段：1) 机器人第六指抓取物体；2) 施加一定正向力；3) 逐渐释放物体，诱发滑移；4) 根据静态摩擦系数缩放振动频率或幅度，生成振动触觉反馈信号；5) 将振动信号传递给用户；6) 用户根据振动信号调整抓握力。
关键创新：该方法的关键创新在于将摩擦信息编码为振动触觉反馈，并根据静态摩擦系数动态调整振动信号。这种方法能够有效地模拟人手对摩擦信息的感知，并将其传递给机器人额外肢体或手指的用户。与现有方法相比，该方法能够更准确地反映摩擦条件，并提高抓取性能。
关键设计：实验中，正向力设置为3.5N。振动信号的频率或幅度根据静态摩擦系数进行缩放，具体的缩放函数未知。采用双选强迫选择实验，评估用户对不同摩擦条件下振动信号的感知准确率。具体振动器的参数和控制策略未知。
🖼️ 关键图片
📊 实验亮点
实验结果表明，使用该方法，参与者在抬起具有不同摩擦力的物体时，感知摩擦信息的准确率达到了94.53 p/m 3.05 (平均值 p/m 标准差)。这一结果显著高于没有触觉反馈的情况，证明了振动触觉反馈在摩擦信息感知方面的有效性。该研究为机器人触觉反馈设计提供了一个有价值的参考。
🎯 应用场景
该研究成果可应用于各种需要精细操作的机器人系统中，例如：医疗机器人辅助手术、工业机器人进行精密装配、以及假肢的触觉反馈增强。通过提供摩擦力感知的触觉反馈，可以显著提高机器人操作的稳定性和精确性，降低操作风险，并扩展机器人的应用范围。未来，该技术有望与更先进的触觉传感器和控制算法相结合，实现更智能、更自然的机器人操作。
📄 摘要（原文）
The integration of extra-robotic limbs/fingers to enhance and expand motor skills, particularly for grasping and manipulation, possesses significant challenges. The grasping performance of existing limbs/fingers is far inferior to that of human hands. Human hands can detect onset of slip through tactile feedback originating from tactile receptors during the grasping process, enabling precise and automatic regulation of grip force. The frictional information is perceived by humans depending upon slip happening between finger and object. Enhancing this capability in extra-robotic limbs or fingers used by humans is challenging. To address this challenge, this paper introduces novel approach to communicate frictional information to users through encoded vibrotactile cues. These cues are conveyed on onset of incipient slip thus allowing users to perceive friction and ultimately use this information to increase force to avoid dropping of object. In a 2-alternative forced-choice protocol, participants gripped and lifted a glass under three different frictional conditions, applying a normal force of 3.5 N. After reaching this force, glass was gradually released to induce slip. During this slipping phase, vibrations scaled according to static coefficient of friction were presented to users, reflecting frictional conditions. The results suggested an accuracy of 94.53 p/m 3.05 (mean p/mSD) in perceiving frictional information upon lifting objects with varying friction. The results indicate effectiveness of using vibrotactile feedback for sensory feedback, allowing users of extra-robotic limbs or fingers to perceive frictional information. This enables them to assess surface properties and adjust grip force according to frictional conditions, enhancing their ability to grasp, manipulate objects more effectively.