Self-Mixing Laser Interferometry: In Search of an Ambient Noise-Resilient Alternative to Acoustic Sensing

📄 arXiv: 2504.13711v1 📥 PDF

作者: Remko Proesmans, Thomas Lips, Francis wyffels

分类: cs.RO

发布日期: 2025-04-18

备注: Submitted to the RoboAcoustics workshop at ICRA2025. arXiv admin note: text overlap with arXiv:2502.15390

🔗 代码/项目: GITHUB

💡 一句话要点

利用自混合干涉技术，为机器人触觉感知提供抗环境噪声的声学传感替代方案

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 自混合干涉 机器人触觉感知 抗噪声 微振动检测 声学传感 非接触式传感

📋 核心要点

  1. 传统声学传感易受环境噪声干扰，影响机器人触觉感知的准确性，尤其是在嘈杂环境中。
  2. 论文提出使用自混合干涉(SMI)技术，通过检测微振动来实现非接触式触觉感知，从而降低噪声影响。
  3. 实验结果表明，在宽带噪声下SMI优于声学传感，在特定噪声干扰下优势更明显，但需考虑电机噪声影响。

📝 摘要（中文）

自混合干涉(SMI)技术因其在检测微振动方面的灵敏度而备受赞誉，且无需与目标进行物理接触。微振动，即声音，最近已被用作机器人操作中外部接触的一个显著指标。在之前的工作中，我们提出了一种使用SMI的机器人指尖，用于外部接触感知，作为一种抗环境噪声的声学传感替代方案。在这里，我们将验证实验扩展到频域。我们发现，对于宽带环境噪声，SMI仍然优于声学传感，但差异不如时域分析中那么明显。对于有针对性的噪声干扰，类似于多个机器人同时为同一任务收集数据，SMI仍然是明显的赢家。最后，我们展示了电机噪声对SMI传感的影响大于声学传感，并且更高的SMI读出频率对于未来的工作非常重要。设计和数据文件可在https://github.com/RemkoPr/icra2025-SMI-tactile-sensing获得。

🔬 方法详解

问题定义：论文旨在解决机器人触觉感知中，传统声学传感器易受环境噪声干扰的问题。尤其是在机器人协同工作或存在其他噪声源的复杂环境中，声学传感器的性能会显著下降，导致机器人无法准确判断是否发生接触以及接触的位置和力度。

核心思路：论文的核心思路是利用自混合干涉(SMI)技术，通过激光干涉原理检测目标表面的微小振动。SMI具有非接触式、高灵敏度的特点，能够有效降低环境噪声的影响，从而实现更可靠的触觉感知。SMI通过激光器自身产生的干涉信号来感知目标振动，无需额外的参考光路，结构紧凑，易于集成。

技术框架：该研究的技术框架主要包括以下几个部分：1) SMI传感器设计与搭建：选择合适的激光器和光学元件，设计紧凑的SMI传感器。2) 数据采集与预处理：采集SMI传感器输出的干涉信号，进行滤波、降噪等预处理操作。3) 特征提取与分析：从预处理后的信号中提取与接触相关的特征，例如振动频率、幅度等。4) 性能评估与对比：在不同噪声环境下，对比SMI传感器与传统声学传感器的性能。

关键创新：论文的关键创新在于将SMI技术应用于机器人触觉感知，并验证了其在抗环境噪声方面的优势。与传统的声学传感器相比，SMI传感器具有更高的信噪比和更强的抗干扰能力，能够在嘈杂环境中实现更准确的触觉感知。此外，论文还分析了电机噪声对SMI传感的影响，并提出了相应的改进措施。

关键设计：论文中关键的设计包括：1) 激光器的选择：选择具有较高相干性和稳定性的激光器，以保证干涉信号的质量。2) 光学系统的设计：优化光学系统的参数，例如透镜的焦距、光束的准直度等，以提高传感器的灵敏度。3) 信号处理算法的设计：设计有效的滤波和降噪算法，以降低环境噪声的影响。4) 实验参数的设置：合理设置实验参数，例如噪声强度、目标振动频率等，以全面评估传感器的性能。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，在宽带环境噪声下，SMI传感器的性能优于传统的声学传感器。在特定频率的噪声干扰下，SMI传感器的优势更加明显。此外，研究还发现，电机噪声对SMI传感器的影响大于声学传感器，需要采取相应的措施进行抑制。研究结果表明，提高SMI读出频率可以进一步提升传感器的性能。

🎯 应用场景

该研究成果可应用于各种需要高精度触觉感知的机器人应用场景，例如：工业自动化中的精密装配、医疗机器人中的微创手术、服务机器人中的人机交互等。通过提高机器人触觉感知的准确性和可靠性，可以显著提升机器人的工作效率和安全性，拓展其应用范围。

📄 摘要（原文）

Self-mixing interferometry (SMI) has been lauded for its sensitivity in detecting microvibrations, while requiring no physical contact with its target. Microvibrations, i.e., sounds, have recently been used as a salient indicator of extrinsic contact in robotic manipulation. In previous work, we presented a robotic fingertip using SMI for extrinsic contact sensing as an ambient-noise-resilient alternative to acoustic sensing. Here, we extend the validation experiments to the frequency domain. We find that for broadband ambient noise, SMI still outperforms acoustic sensing, but the difference is less pronounced than in time-domain analyses. For targeted noise disturbances, analogous to multiple robots simultaneously collecting data for the same task, SMI is still the clear winner. Lastly, we show how motor noise affects SMI sensing more so than acoustic sensing, and that a higher SMI readout frequency is important for future work. Design and data files are available at https://github.com/RemkoPr/icra2025-SMI-tactile-sensing.