Scalable Open-Source Visuotactile Sensor for 6-Axis Contact Wrench Estimation in Tensegrity Robots
作者: Wenzhe Tong, Jonathan Mi, Xili Yi, Nima Fazeli, Xiaonan Huang
分类: cs.RO
发布日期: 2026-07-20
💡 一句话要点
提出可扩展的开源视觉触觉传感器以解决紧张结构机器人接触扭矩估计问题
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 触觉传感器 紧张结构机器人 六轴扭矩估计 开源技术 神经网络 模块化设计 接触检测
📋 核心要点
- 现有的触觉传感器在紧张结构机器人中难以实现高精度的六轴扭矩估计和接触检测，限制了其应用。
- 论文提出了一种新型的视觉触觉传感器，结合了弹性外壳和TPU接口，采用创新的粘合技术，确保了传感器的轻量化和模块化。
- 实验结果显示，该系统在静态条件下的扭矩估计平均平方误差为0.1531，并且在动态运动中表现出良好的泛化能力。
📝 摘要（中文）
本文提出了一种可扩展的开源视觉触觉传感系统，旨在为紧张结构机器人实现六轴扭矩估计和接触检测。所提出的传感器集成了弹性外壳、3D打印的热塑性聚氨酯（TPU）接口，以及一个嵌入式摄像头和LED照明环的刚性基座。引入了一种新颖的 gyroid 填充粘合技术，形成耐用的弹性-TPU 接口，无需使用粘合剂，从而实现轻量化和模块化设计，适用于大规模的紧张结构。通过实验结果验证，该系统在静态验证数据上实现了平均平方误差（MSE）为0.1531的准确稳定的扭矩估计，并在动态运动下展示了良好的领域外泛化能力。此外，在一台12公斤的紧张结构机器人上的全系统集成确认了传感器可靠识别地面接触的能力。该系统显著提高了紧张结构机器人的触觉反馈实用性，提供了一条低成本、可重复且物理可解释的途径，朝着接触感知本体感知和状态估计迈进。
🔬 方法详解
问题定义：本文旨在解决紧张结构机器人在接触扭矩估计和接触检测方面的不足，现有方法在精度和适用性上存在挑战。
核心思路：提出了一种集成视觉和触觉的传感器，利用新颖的材料和结构设计，确保传感器的轻量化和高效能。
技术框架：系统包括弹性外壳、TPU接口、嵌入式摄像头和LED照明环，结合了触觉到扭矩的神经网络映射，形成完整的感知链。
关键创新：引入了gyroid填充粘合技术，消除了对粘合剂的需求，增强了接口的耐用性和模块化设计，适应大规模应用。
关键设计：采用了特定的损失函数来优化神经网络的性能，网络结构设计为能够有效映射剪切向量场到六维力和扭矩测量。实验中使用的参数设置经过精心调整，以确保最佳的估计精度。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该系统在静态验证数据上的平均平方误差为0.1531，显示出高精度的扭矩估计能力。此外，在动态运动条件下，系统也展现了良好的领域外泛化能力，证明了其在实际应用中的可靠性。
🎯 应用场景
该研究的潜在应用领域包括机器人抓取、自动化装配、以及人机交互等场景，能够显著提升机器人在复杂环境中的操作能力。未来，该系统可能推动触觉反馈技术在更多领域的应用，促进智能机器人技术的发展。
📄 摘要（原文）
This paper presents a scalable, open-source visuotactile sensing system for tensegrity robots that enables six-axis wrench estimation and contact detection. The proposed endcap sensor integrates an elastomeric shell, a 3D-printed thermoplastic polyurethane (TPU) interface, and a rigid base housing an embedded camera and LED illumination ring. A novel gyroid-infill bonding technique is introduced to form a durable elastomer-TPU interface without adhesives, yielding a lightweight and modular design compatible with large-scale tensegrity structures. A tactile-to-wrench neural network maps shear vector fields to six-dimensional force and torque measurements. Experimental results demonstrate accurate and stable wrench estimation with a mean squared error (MSE) of 0.1531 on static validation data and out-of-domain generalization under dynamic motion. Furthermore, full-system integration on a 12 kg tensegrity robot confirms the sensor's ability to reliably identify ground contacts. The system substantially improves the practicality of tactile feedback for tensegrity robots, offering a low-cost, reproducible, and physically interpretable pathway toward contact-aware proprioception and state estimation. Open source files are available at \href{this https URL}{this http URL}