基于计算设计的超鲁棒性应变传感器，实现软体机器人的感知和自主性

在当前的技术革命中，软体机器人的发展是一个重要的分支。与传统的硬质机器人相比，软体机器人因其独特的柔性、适应性和安全性，越来越多地被应用于复杂和敏感的环境中，例如在医疗手术、灾难救援和人机交互等领域。然而，要实现这些应用，关键在于提高软体机器人的感知能力和自主性。本文介绍了一种基于计算设计的超鲁棒性应变传感器，这种传感器能够显著提高软体机器人的感知能力和自主性。

背景

软体机器人的核心挑战之一是如何精确感知其形状的变化和周围环境的力量。应变传感器在这里发挥了至关重要的作用。然而，传统的应变传感器在柔性、灵敏度、稳定性和耐久性方面存在限制，这些限制阻碍了软体机器人性能的进一步提升。

超鲁棒性应变传感器设计

超鲁棒性应变传感器的设计考虑了软体机器人在复杂环境下的应用需求。这种传感器通常采用高弹性、高延展性的材料（如导电高分子），并通过微结构设计来增强其鲁棒性和灵敏度。计算设计在这一过程中发挥了关键作用，它不仅指导了微结构的优化设计，还预测了材料在受到不同程度应变时的行为。

为了实现对软体机器人动态形变的高精度监测，应变传感器需要具备微小尺寸和高灵敏度。通过计算设计，研究人员能够在微纳尺度上对传感器结构进行精确调控，实现了对微小形变的高灵敏度检测。此外，EPF10K20RC240-4N传感器的设计还考虑了其与软体机器人材料的兼容性，确保了在长期运行中的稳定性和耐用性。

应变传感器的集成与软体机器人的自主性

将这种超鲁棒性应变传感器集成到软体机器人中，可以显著提高机器人的感知能力。这些传感器可以精确地监测和反馈软体机器人的形态变化和与环境的交互力，为机器人的控制系统提供关键信息。此外，通过高级算法处理这些信息，软体机器人能够实现更加复杂的自主决策和行为。例如，在未知环境中导航，或者根据触觉反馈进行精细操控。

PCAM传感器在软体机器人上的有效集成，构建了复杂软体爬行机器人的高级机器智能。对于当前在软机器人或执行器上的机器学习（ML）应用，应用目标主要是软手套或软夹具。为了捕捉它们的运动，毫无疑问要在所有抓爪或手套手指上安装传感器。

然而，对于本研究中的爬行折纸机器人，传感器位置有40多种可能性，这对有效捕捉其高自由度和多模态运动提出了挑战。为了实现机器人自主性，研究人员开发了一个高分辨率传感器网络（优化机器人身上的传感器数量和位置），以收集机器人折纸运动最具代表性的关键信息。因此，简单的人工神经网络框架和不到40个训练样本足以生成预测模型，并成功实现了软爬行机器人的高级机器人自主性（即机器人轨迹预测和地形高度感知）。

应用前景

这种基于计算设计的超鲁棒性应变传感器为软体机器人的发展开辟了新的可能性。在医疗领域，这样的软体机器人可以进行更为安全和精确的手术操作。在灾害救援中，它们可以适应复杂的环境，执行救援任务。在人机交互领域，这些机器人因其高度的柔性和敏感度，能够提供更加自然和舒适的交互体验。

结论

软体机器人的发展对于拓展机器人技术的应用范围具有重要意义。基于计算设计的超鲁棒性应变传感器，通过其优异的性能，为软体机器人的感知能力和自主性提供了新的解决方案。随着这些技术的进一步发展，我们可以期待软体机器人在未来的表现将更加出色，为人类社会带来更多的益处。