机器学习增强的模块化离子皮肤用于双向人机交互中的广谱多模态可辨别性

摘要：模仿人类皮肤功能的多模态触觉感知系统能够感知复杂的外部刺激，促进人机交互中的高级应用。然而，当前系统仍面临感知范围有限和解耦策略不理想的问题，限制了其有效的多模态感知。为实现广谱多模态可辨别性，开发了一种通过协同传感器-算法优化策略增强的机器学习模块化离子皮肤（MIS）。从感知材料的角度来看，离子凝胶中的工艺控制硬段调制使得能够开发出具备增强感知特性的多样离子导体：在最低温度系数为-4.00% °C −1（10–160 °C）、线性增益因子为2.95（0–100%）和最大压力灵敏度为80.5 kPa −1（0–1.3 MPa）。在解耦算法方面，精心提出并训练了针对MIS的数据驱动解耦模型，并在专用的多刺激数据集上进行训练，实现了温度和压力的最大解耦范围，预测误差低至7.0%，同时在温度干扰下保持可靠的应变检测。该系统的有效性和功能性在一个多模态可穿戴手部套件中进行了演示，用于操作员手部识别，以及用于反馈的机器人抓取套件，突显其在双向人机交互中的潜力。