通过水凝胶传感器和机器学习区分软执行器的热刺激和机械变形

多模态传感对于软机器人环境交互和闭环控制至关重要。机械变形和温度变化的传感信号往往难以手动区分。在此，使用两种水凝胶传感器同时进行本体感知、热感知和机械感知。这些可拉伸传感器对应变和温度变化具有高灵敏度。然后，利用由1D卷积神经网络和前馈神经网络组成的机器学习模型解码传感信号，以识别各种刺激。结果表明，该方法能够准确预测软执行器的体态变化，如弯曲、扭转和拉伸。此外，该模型能够区分有热刺激和无热刺激的接触事件。这种数据驱动的多模态传感区分方法可能为未来智能软机器人铺平道路。