THE REGENTS OF THE UNIVERSITY OF COLORADO; A BODY CORPORATE
发明人:
CORRELL, Nikolaus,PATEL, Radhen,SEGIL, Jacob,KLINGNER, John,WEIR, Richard F.
申请号：
USUS2019/040724
公开号：
WO2020/010328A1
申请日:
2019.07.05
申请国别(地区):
US
年份:
2020
代理人:
摘要：
Various embodiments of the present technology generally relate to robotics and prosthetics. More specifically, some embodiments of the present technology relate to multi-modal fingertip sensors with proximity, contact, and for localization capabilities. Various embodiments of the present technology provide for a novel multi-modal tactile sensor which comprises an infrared proximity sensor and a barometric pressure sensor embedded in an elastomer layer. Signals from both of these sensors can be fused to measure proximity (0-10mm), contact (0N), force (0-50N) and localize impact at five spatial locations and three angles of incidence. Gaussian processes in a regression setting can be used to obtain calibrated force measurements with an R-squared value of 0.99. Supervised machine learning approaches can be used to localize the position and direction of probing with classification accuracies of 96% and 89% respectively.Selon divers modes de réalisation, la présente invention se rapporte généralement à la robotique et aux prothèses. Plus précisément, certains modes de réalisation de la présente invention se rapportent à des capteurs de bout de doigt multimodaux avec des capacités de proximité, de contact et de localisation de force. Selon divers modes de réalisation, la présente invention concerne un nouveau capteur tactile multimodal, qui comprend un capteur de proximité infrarouge et un capteur de pression barométrique intégrés dans une couche élastomère. Des signaux provenant des deux capteurs peuvent être fusionnés en vue de mesurer la proximité (0-10 mm), le contact (0 N), la force (0-50 N), et de localiser un impact à cinq emplacements spatiaux et trois angles d'incidence. Des processus gaussiens dans un réglage de régression peuvent être utilisés en vue d'obtenir des mesures de force étalonnées avec une valeur au carré R de 0,99. Des approches d'apprentissage automatique supervisées peuvent être utilisées en vue de localiser la position et la direction de sondage
