RoTip: A Finger-Shaped Tactile Sensor with Active Rotation Capability
本文提出了一种名为RoTip的新型视觉触觉传感器，其具备独立控制的关节和全表面接触感知能力，通过主动旋转实现了对刚性和柔性日常物体的更灵巧操作。
2025-02-01 cs.RO
GelSight Svelte: A Human Finger-shaped Single-camera Tactile Robot Finger with Large Sensing Coverage and Proprioceptive Sensing
Massachusetts Institute of Technology（麻省理工学院）
本文提出GelSight Svelte人指形状单相机触觉传感器，利用曲面镜实现大范围触觉与本体感知，并通过卷积神经网络从骨架变形图像估计弯曲和扭转力矩，在多种抓取模式中验证了其能力。
2023-09-19 cs.CV cs.RO
A Biomimetic Fingerprint for Robotic Tactile Sensing
Faculty of Mechatronic \& Micro-Mechatronic Systems Hochschule Karlsruhe (HKA) Karlsruhe, Germany；Deutsches Forschungszentrum für Künstliche Intelligenz GmbH；L3S Research Center, Leibniz Universität Hannover Hannover, Germany
本文提出一种3D打印指纹模式，提升机器人触觉反馈信号强度，实现动态触觉感知，展示了在不同材料物体上的应用效果。
2023-07-04 cs.RO
Shear-based Grasp Control for Multi-fingered Underactuated Tactile Robotic Hands
University of Bristol（布里斯托尔大学）；University of Pisa（比萨大学）；Istituto Italiano di Tecnologia (IIT)（意大利技术研究院）
该研究针对欠驱动触觉机械手的易碎物体抓取操控问题，提出基于microTac触觉传感器反馈的剪切力控制框架，结合深度学习与迁移学习构建接触模型，实现了抗干扰的类人灵巧操控。
2025-03-21 cs.RO
Digger Finger: GelSight Tactile Sensor for Object Identification Inside Granular Media
Massachusetts Institute of Technology（麻省理工学院）
在本文中，我们提出了一个早期的原型的挖掘手指，旨在轻松穿透颗粒介质，并配备了GelSight传感器。使用触觉传感器识别埋在颗粒介质中的物体是一项具有挑战性的任务。首先，颗粒介质中的颗粒堵塞会阻止向下移动。第二，粒状介质颗粒倾向于卡在感测表面和感兴趣的对象之间，从而扭曲对象的实际形状。为了解决这些挑战，我们提出了一个挖掘手指原型。它能够在穿透过程中使用机械振动流化颗粒介质。它配备了基于高分辨率视觉的触觉感知，以识别埋在颗粒状介质中的物体。我们描述了我们用来评估这些流化和掩埋形状识别能力的实验程序。具有这种手指的机器人可以执行爆炸物处理和简易爆炸装置（IED）探测任务，与地面穿透雷达（GPR）等技术相比，分辨率要高得多。像Digger Finger这样的传感器将使机器人操纵研究超越仅仅操纵刚性物体。
2021-02-20 cs.RO
Large-scale Deployment of Vision-based Tactile Sensors on Multi-fingered Grippers
Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院）；Queen Mary University of London（伦敦玛丽女王大学）
针对多指抓取中的多接触点触觉感知需求，本文提出模块化 VBTS、低延迟同步采集与零样本校准，并在含 7 个传感器的三指夹爪上验证其性能与泛化集成能力。
2024-08-05 cs.RO
Design of a Five-Fingered Hand with Full-Fingered Tactile Sensors Using Conductive Filaments and Its Application to Bending after Insertion Motion
The University of Tokyo（东京大学）
本研究构建手指双侧接触点估计系统，提出含神经柔性表皮结合导电丝神经线估计全指接触位置，结合双臂机器人开展工具使用实验，验证方法可支持插入后弯曲动作等工具使用场景。
2024-12-01 cs.RO
A Passively Bendable, Compliant Tactile Palm with RObotic Modular Endoskeleton Optical (ROMEO) Fingers
Massachusetts Institute of Technology（麻省理工学院）
本研究针对现有机器人手多忽视手掌作用的问题，开发了带高分辨率触觉传感的结构柔性软手掌与欠驱动ROMEO软手指，集成出略大于棒球的软硬结合触觉机器人手，为后续相关设计提供参考。
2024-04-12 cs.RO
DenseTact-Mini: An Optical Tactile Sensor for Grasping Multi-Scale Objects From Flat Surfaces
Stanford University（斯坦福大学）
本文提出DenseTact-Mini光学触觉传感器，通过轻拍、指甲和指尖三种抓取策略，实现对1毫米至15毫米多尺度物体的高成功率抓取，展示了软光学触觉传感器在灵巧操作中的潜力。
2023-09-16 cs.RO
Soft Finger Grasp Force and Contact State Estimation from Tactile Sensors
Fraunhofer IPK（弗劳恩霍夫生产系统与设计技术研究所）；School of Mechanical Engineering, Korea University（高丽大学机械工程学院）
本文研究利用集成软体触觉传感器与神经网络回归手指总力向量，并在插接任务中实现无需针对特定物体训练的接触状态估计。
2024-10-25 cs.RO
GelSight Fin Ray: Incorporating Tactile Sensing into a Soft Compliant Robotic Gripper
Massachusetts Institute of Technology（麻省理工学院）
为了适应不断变化的环境，并安全地与人类互动，机器人应该具有柔顺和柔软的特性，以及感知周围世界的能力。即便如此，将触觉感知结合到软顺应机器人中，如鳍雷手指，由于其可变形结构而很困难。不仅需要修改框架，为视觉传感器留出空间，从而实现复杂的触觉感知，机器人还必须保持其原始的机械顺应性。然而，将高分辨率触觉传感器添加到柔软的手指是困难的，因为许多传感器化的手指（诸如基于GelSight的手指）是刚性的，并且在感测区域中的变化仅来自触觉接触而不是来自手指顺应性的假设下起作用。传感器化的柔软机器人手指需要能够将其整体本体感受变化与其触觉信息分开。为此，本文介绍了一种新的设计GelSight鳍射线，它既体现了被动适应它掌握的任何对象的能力，也体现了执行高分辨率触觉重建，对象方向估计和剪切力和扭转力的标记跟踪的能力。拥有这些功能，柔软且顺从的机器人可以执行更多需要传感的操作任务。手指能够成功执行的一个这样的任务是厨房任务：酒杯的重新定向和放置，这很难用外部视觉传感器来完成，但用触觉感知就很容易了。这种传感技术的发展也有可能应用于其他软柔性夹具，提高其在许多不同领域的可行性。
2022-04-14 cs.RO
Rapid manufacturing of color-based hemispherical soft tactile fingertips
Delft University of Technology（代尔夫特理工大学）；Carl Zeiss Meditec AG（卡尔蔡司医疗技术股份公司）；Istituto Italiano di Tecnologia（意大利理工学院）
触觉感知可以提供对关于接触的信息（即，滑动、表面特征、摩擦）的访问，这是视觉所达不到的，但对于操纵是至关重要的。为了获得这些信息，需要对柔软指尖的变形进行密集测量。最近，依赖于摄像机观察可变形膜的触觉传感器已经证明，接触的密集测量是可能的。然而，它们的制造可能是耗时和劳动密集型的。在这里，我们展示了一种新的设计方法，该方法使用多色增材制造和硅胶铸造来有效地制造基于软标记的触觉传感器，这些传感器能够以高分辨率捕获界面处的三维变形场。每个标记由两个叠加的滤色器组成。减色混合编码的正常变形的膜，和横向变形的质心检测发现。通过这种制造方法，我们可以在21 mm半径的半球上达到400个标记的密度，从而可以定期和密集地测量变形。我们校准和验证的方法，通过寻找物体的曲率，与以前的实现相比，精度提高了三倍。结果表明，一个简单而有效的方法来制造人工指尖捕捉丰富的图像的触觉互动接触的位置。
2022-05-03 cs.RO
HumanFT: A Human-like Fingertip Multimodal Visuo-Tactile Sensor
ShanghaiTech University（上海科技大学）；School of Information Science and Technology at ShanghaiTech University（上海科技大学信息科学与技术学院）
本文提出HumanFT，一种复现人类指尖形状与功能的多模态视觉-触觉传感器，通过新型弹性体制造技术和集成压力/振动感知电路，实现实时力测量、高频振动检测与过温警报，以增强人形机器人触觉感知。
2024-10-14 cs.RO
Building a Library of Tactile Skills Based on FingerVision
TU Darmstadt（达姆施塔特工业大学）；MPI for Intelligent Systems（马克斯·普朗克智能系统研究所）；Technische Universität Darmstadt（达姆施塔特工业大学）；MIT（麻省理工学院）
基于摄像头的触觉传感器正在成为一种有前途的廉价解决方案，用于增强的操纵任务。最近推出的FingerVision传感器能够产生可靠的信号，用于力估计，物体姿态估计和滑动检测。在本文中，我们建立在FingerVision设计的基础上，改进了现有的控制算法，更重要的是，通过利用原始皮肤变形数据进行控制，将其适用范围扩展到更具挑战性的任务。与依赖于整个传感器表面的平均变形的先前方法相比，我们直接采用浸入传感器的硅树脂主体中的每个球形标记的局部偏差用于反馈控制并作为学习任务的输入。我们表明，与这样的输入，不同的质地和粘度的物质可以区分的基础上引起的触觉，同时搅拌它们。作为另一个应用，我们学习皮肤变形和施加到对象的力之间的映射。为了展示所提出的控制器的全部功能，我们将它们部署在一个具有挑战性的建筑装配任务中，该任务涉及在最大负载点处的可弯曲板下方插入承重元件。
2019-09-20 cs.RO
Exoskeleton-covered soft finger with vision-based proprioception and tactile sensing
Massachusetts Institute of Technology（麻省理工学院）；Tsinghua University（清华大学）
与传统的刚体机器人相比，软体机器人在适应性、安全性和灵活性方面具有显著的优势。然而，由于软体机器人具有高柔性和弹性，因此使其具有精确的本体感觉和触觉感知是具有挑战性的。在这项工作中，我们描述了一个基于视觉的本体感受和触觉传感器的软体机器人称为GelFlex，这是以前的GelSight传感技术的启发。更具体地说，我们开发了一种新型的外骨骼覆盖的软手指，带有嵌入式摄像头和深度学习方法，能够实现高分辨率的本体感知和丰富的触觉感知。为此，我们沿着手指的轴向方向设计了能够实现高分辨率本体感受感测的特征，并在手指表面上结合了反射油墨涂层，以实现丰富的触觉感知。我们设计了一个高度欠驱动的外骨骼与肌腱驱动机制，使手指。最后，我们组装2的手指在一起，形成一个机器人抓手，并成功地执行棒料分类任务，这需要形状和触觉信息。我们训练神经网络的本体感觉和形状（盒与圆柱体）分类使用的数据从嵌入式传感器。本体感觉CNN在我们的测试集上具有超过99\%的准确性（所有六个关节角度都在1度误差内），并且在现场测试期间具有0.77 mm的平均累积距离误差，这优于人类手指本体感觉。这些技术为软体机器人提供了同时感知其本体感受状态和周边环境的高级能力，为软体机器人解决日常操作任务提供了潜在的解决方案。我们相信在这项工作中开发的方法可以广泛应用于不同的设计和应用。
2020-06-23 cs.RO eess.IV
Inter-finger Small Object Manipulation with DenseTact Optical Tactile Sensor
Stanford University（斯坦福大学）
本文提出利用配备DenseTact 2.0触觉传感器的八自由度夹爪，在杂乱环境中实现5-25mm小物体的精确抓取与定向，结合专用数据集和新控制算法，达到88%的抓取成功率。
2023-08-31 cs.RO
A Biomimetic Tactile Fingerprint Induces Incipient Slip
University of Bristol（布里斯托大学）；Bristol Robotics Laboratory（布里斯托机器人实验室）；University College Dublin（都柏林大学）
我们提出了一种改进的TacTip仿生光学触觉传感器的设计，它演示了诱导和检测初期滑动的能力，通过记录传感器的外表面上的标记的运动证实。初始滑动被定义为传感器和物体之间的接触表面的部分而不是全部的滑动。在同心环图案中添加脊（其模仿人类指尖中的摩擦脊）允许在总滑动开始之前在传感器表面上发生局部剪切变形持续相当长的时间。通过检测早期的滑动，我们能够预测几个不同形状的物体何时有坠落的风险，并防止它们坠落。检测初始滑动是有用的，因为可以在整个接触区域发生滑动之前采取纠正措施，从而最大限度地降低物体掉落的风险。
2020-08-16 cs.RO
Augmenting Off-the-Shelf Grippers with Tactile Sensing
Ghent University（根特大学）；imec（比利时微电子研究中心）
针对现成工业夹爪缺乏触觉反馈、自研传感器繁杂难对比的问题，研究团队提出一套专为精细操作设计、数据易解读的开源触觉指尖，经布料边缘与线缆追踪任务验证有效，相关资源已开源。
2023-06-09 cs.RO
Tactile-Driven Gentle Grasping for Human-Robot Collaborative Tasks
University of Bristol（布里斯托大学）；University of Pisa（比萨大学）；Istituto Italiano di Tecnologia（意大利技术研究院）
本文提出了一种控制方案，力敏，温柔的把握与比萨/IIT拟人SoftHand配备了一个简化版本的TacTip光学触觉传感器的所有五个指尖。触觉传感器提供有关抓握以及手指如何与所持物体交互的高分辨率信息。我们首先描述了一系列的硬件开发，用于执行异步传感器数据采集和处理，从而在一个快速的控制回路足以实时把握控制。然后，我们开发了一种新的把握控制器，同时使用所有五个指尖传感器的触觉反馈，轻轻地，稳定地抓住43个不同的几何形状和刚度的对象，然后应用到人与机器人的交接任务。这些发展打开了大门，以更先进的操纵与欠驱动的手通过快速反射控制使用高分辨率触觉感知。
2023-03-16 cs.RO
FingerVision Tactile Sensor Design and Slip Detection Using Convolutional LSTM Network
Hong Kong University of Science and Technology（香港科技大学）
触觉感知是人类感知系统中必不可少的一部分，机器人也是如此.在本文中，我们开发了一种新的基于光学的触觉传感器“FingerVision”与有效的信号处理算法。该传感器是由软皮肤与嵌入式标记阵列粘接到刚性框架，和一个网络摄像头与鱼眼镜头。在接触力的激励下，摄像机跟踪标记的运动，得到变形场。与现有的触觉传感器相比，我们的传感器具有紧凑的尺寸，高分辨率和易于制造的特点。此外，利用变形场估计，我们提出了一个基于卷积长短期记忆（卷积LSTM）网络的滑动分类框架。数据汇集过程利用了人类的滑动感，在此过程中，人手握住12个日常物品，与传感器皮肤交互，并基于人类的滑动感，用滑动或防滑标识标记数据。我们的滑动分类框架在测试数据集上的准确率高达97.62%。它有望能够显著提高机器人抓取的稳定性，从而实现更好的接触力控制、更精细的物体交互和更主动的传感操作。
2018-10-05 cs.LG cs.RO
DenseTact 2.0: Optical Tactile Sensor for Shape and Force Reconstruction
Stanford University（斯坦福大学）
协作机器人将对家庭服务应用中的人类福利和具有灵巧装配的先进制造业中的工业优势产生巨大影响。突出的挑战是提供具有物理设计的机器人指尖，使它们能够执行需要高分辨率，校准形状重建和力传感的灵巧任务。在这项工作中，我们提出了DenseTact 2.0，一个光学触觉传感器，能够可视化的软指尖的变形表面，并使用该图像在神经网络进行校准的形状重建和6轴扳手估计。我们展示了形状重建的传感器精度为每像素0.3633 mm，力精度为0.410 N，扭矩精度为0.387 Nmm，以及通过迁移学习校准新手指的能力，该能力仅用非迁移学习的12%即可实现相当的性能。迁移学习数据集大小。
2023-03-04 cs.RO
Design of a Biomimetic Tactile Sensor for Material Classification
Carnegie Mellon University（卡内基梅隆大学）
触觉感知通常涉及对未知表面和物体的主动探索，使其在处理材料和纹理的特性时特别有效。通过人类触觉感知提取的关键属性是表面粗糙度，其依赖于使用多层指尖结构测量振动信号。现有的机器人系统缺乏能够提供高动态感测范围、感知材料特性并保持低硬件成本的触觉传感器。在这项工作中，我们介绍了参考设计和制造过程的微型和低成本的触觉传感器组成的仿生皮肤结构，包括人工指纹，真皮，表皮，和嵌入式磁传感器结构，作为一个mechanoreceptor的机械信息转换为数字信号。该传感器能够通过霍尔效应检测高分辨率的磁场数据，并创建用于材料纹理分类的高维时频域特征。此外，我们通过模拟和物理实验研究了不同表面传感器指纹图案对材料分类的影响。在提取时间序列和频域特征后，我们评估了用于区分不同材料的k-近邻分类器。我们的实验结果表明，我们的仿生触觉传感器与指纹脊可以分类材料，比无脊传感器的精度高出8%以上，变异性较低。这些结果，以及我们的传感器的低成本和可定制性，证明了降低各种机器人应用的准入门槛的巨大潜力，包括用于纹理分类、材料检测和物体识别的无模型触觉感知。
2022-03-29 cs.RO
Scalable Tactile Sensing for an Omni-adaptive Soft Robot Finger
Southern University of Science and Technology（南方科技大学）；AncoraSpring, Inc.（AncoraSpring公司）
由软材料和柔性结构制成的机器人手指在与非结构化物理环境交互时通常会导致更好的适应性。在本文中，我们提出了一种嵌入式传感解决方案，使用光纤的全方位自适应软机器人手指在所有方向上具有特殊的适应。特别是，我们设法插入一对光纤内的手指的结构腔，而不干扰其自适应性能。由此产生的集成是可扩展的，作为一个通用的，低成本的，防潮的解决方案，为物理安全的人机交互。此外，我们还对我们的手指设计进行了物体分类实验，在$\pm$ 6 mm的误差范围内识别了94%的物体截面直径，在$\pm$ 0. 1 mm/mm的误差范围内测量了80%的结构应变。所提出的传感器设计打开了许多门，在未来的应用软机器人在非结构化环境中的可扩展和自适应的物理交互。
2020-02-29 cs.LG cs.RO
GelSight Baby Fin Ray: A Compact, Compliant, Flexible Finger with High-Resolution Tactile Sensing
Massachusetts Institute of Technology（麻省理工学院）
触觉感知与合规性的结合对于许多领域都至关重要，从水果采摘等农业用途，到分类回收等可持续性实践，再到为老年人创造安全的家庭护理机器人，让他们有尊严地度过晚年。通过触觉感知，我们可以辨别材料属性，识别纹理，并确定柔软度，同时通过顺应性，我们能够安全地与周围的物体和环境进行交互。这两种能力可以最终成为一个有用的软机器人抓手，例如最初的GelSight Fin Ray，它能够抓住各种不同的物体，也可以执行简单的家庭操作任务：酒杯重新定位。虽然最初的GelSight Fin Ray解决了将一般刚性的高分辨率传感器与柔软的顺应性结构连接的问题，但我们可以提高传感器的鲁棒性并实施技术，使这种基于摄像头的触觉传感器适用于更广泛的软体机器人设计。我们首先集成了柔性反射镜，并将刚性电子元件集成到夹持器的基座中，这大大提高了Fin Ray结构的顺应性。然后，我们合成了一种柔性和高伸长率的有机硅粘合剂基荧光涂料，它可以为我们的传感器提供良好质量的二维触觉定位结果。最后，我们将所有这些技术整合到一个新的设计中：Baby Fin Ray，我们用它来挖掘杂物，并成功地对坚果进行分类。补充视频可以在这里找到：https://youtu.be/_oD_QFtYTPM
2023-03-27 cs.RO
A Robust Controller for Stable 3D Pinching using Tactile Sensing
University of Bristol（布里斯托大学）；Shadow Robotics Company（影子机器人公司）；Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）
本文提出了一种控制器的稳定把握未知形状的物体由两个机器人手指与触觉指尖。通过在接触表面上滚动指尖并施加期望的抓握力以达到平衡状态来稳定抓握。验证是在模拟和全驱动机器人手（阴影模块化抓钳）配备定制的光学触觉传感器（基于BRL TacTip）。控制器需要接触表面的方向，这是通过在触觉图像上回归深卷积神经网络来估计的。总体而言，掌握系统被证明实现稳定的平衡构成各种物体的形状和柔软度，与系统的扰动和测量误差是鲁棒的。这种方法也有希望扩展到抓取之外，用多个手指稳定地操纵手中的物体。
2021-07-01 cs.RO cs.SY eess.SY
TacPrint: A Wearable Fingertip Tactile Sensor for Human-to-Robot Contact Reproduction
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；Imprintx Robotics（Imprintx机器人公司）；Beijing Academy of Artificial Intelligence（北京智源人工智能研究院）
本研究提出可穿戴指尖触觉传感器TacPrint，通过“现实-仿真-现实”流程实现接触深度图估计，人机接触再现实验显示其可显著提升抓取、擦拭等任务的成功率。
2026-08-03 cs.RO
Exploiting High Quality Tactile Sensors for Simplified Grasping
Nottingham Trent University（诺丁汉特伦特大学）；Ulster University（阿尔斯特大学）
机器人被期望抓住各种各样的物体，这些物体的形状、重量或材料类型都不同。因此，为机器人提供类似于人类的触觉能力对于涉及人与机器人或机器人与机器人交互的应用至关重要，特别是在机器人预期抓取和操纵以前未遇到的复杂物体的情况下。成功抓取和操纵物体的一个关键方面是使用配备有多个高性能传感器的高质量指尖，这些传感器适当地分布在特定的接触表面上。在本文中，我们提出了一个详细的分析使用两种不同类型的商用机器人指尖（BioTac和WTS-FT），其中每一个都配备了多个传感器分布在指尖的接触表面。我们进一步证明，由于指尖的高性能，不需要复杂的自适应抓取算法来抓取日常物体。我们的结论是，一个简单的算法的基础上的比例控制器将足以为许多抓应用程序，提供相关的指尖表现出高灵敏度。在定量评估中，我们还证明，部分由于传感器分布，基于BioTac的指尖比WTS-FT设备表现更好，能够提升高达850 g的负载，并且简单的比例控制器即使在物体暴露于显著的外部振动挑战时也可以适应抓握。
2022-07-25 cs.CV cs.RO
Simultaneous Tactile Exploration and Grasp Refinement for Unknown Objects
University of Birmingham（伯明翰大学）；Chalmers University of Technology（查尔姆斯理工大学）；University College London（伦敦大学学院）
本文解决的问题，同时探索一个未知的对象，以模拟其形状，使用触觉传感器的机器人手指，同时还改善手指的位置，以优化把握稳定性。在许多情况下，机器人将仅具有被观察对象的近侧的部分相机视图，远侧保持被遮挡。我们展示了如何初步把握尝试，根据初步猜测的整体对象的形状，产生触觉扫视的远侧的对象，使形状估计，从而连续的把握得到改善。我们提出了一个把握探索方法，使用概率表示的形状，高斯过程隐式曲面的基础上。这种表示使得初始部分视觉数据能够用来自连续触觉扫视的附加数据来增强。这是结合把握质量的概率估计，以完善把握配置。当选择下一组手指放置时，使用双目标优化方法来相互最大化抓取质量并在连续抓取尝试期间改善形状表示。实验结果表明，该方法产生稳定的把握配置比基线方法更有效，同时也产生改进的形状估计的把握对象。
2021-02-28 cs.RO
FELT: Generating Tactile Signals from Vision for Visuo-Tactile Manipulation
Viterbi School of Engineering, University of Southern California（南加州大学维特比工程学院）；Columbia University（哥伦比亚大学）；Starpilot（星航）
研究针对触觉数据稀缺问题，提出FELT框架，利用视觉编码器和查询解码器从RGB观测合成触觉图像，通过单独分支解码左右传感器面板，实验表明该方法能提升策略成功率，潜在特征训练和部署无需真实触觉传感器。
2026-10-19 cs.RO
Jammkle: Fibre jamming 3D printed multi-material tendons and their application in a robotic ankle
Data61, CSIRO（澳大利亚联邦科学与工业研究组织Data61）；Robotics and Autonomous Systems Group（机器人与自主系统组）
提出模块化多材料3D打印纤维阻塞肌腱单元Jammkle，建立多物理场模型并集成于机器人脚踝，实验证明其在柔顺性、阻尼和防滑方面优于现有腿部结构。
2021-09-13 cs.RO
Anthropomorphic Twisted String-Actuated Soft Robotic Gripper with Tendon-Based Stiffening
University of Nevada, Reno（内华达大学雷诺分校）
实现高性能的软机器人夹具是具有挑战性的，因为驱动它们的软致动器和人工肌肉的固有限制，包括低力输出，小致动范围和差的紧凑性。尽管在这一领域取得了进展，但实现具有高灵活性和力输出的紧凑型软夹持器仍然具有挑战性。本文探讨了扭绳驱动器（TSA）驱动软机器人手爪。TSA已用于许多机器人应用中，但其在软体机器人中的应用受到限制。夹具的设计灵感来自于人手。在具有拮抗性TSA的手指中实施可调刚度。手指的弯曲角度，驱动速度，阻止力输出，和刚度调谐的实验特征。该夹具在Kapandji测试中获得了6分，并重现了Feix GRASP分类的33次抓握中的31次。它表现出72 N的最大抓握力，这几乎是它自身重量的13倍。一项比较研究表明，与其他类似的软夹持器相比，所提出的夹持器表现出等同或更好的性能。
2022-09-22 cs.RO cs.SY eess.SY
GIFT: Glove-Inferred Force Transfer: Force-Aware Human-to-Robot Skill Transfer from a Wearable Sensing Glove to a Robot Hand Without Tactile Sensors
GIFT提出一种无需共享触觉传感器的人机技能迁移方法，通过手套测力与机器人电流估计力，实现力感知抓取，实验证明力输入显著降低抓取力。
2026-09-29 cs.RO
Viko: An Adaptive Gecko Gripper with Vision-based Tactile Sensor
Hong Kong University of Science and Technology（香港科技大学）；Nanjing University of Information Science and Technology（南京信息工程大学）
监测接触状态对于机器人设备至关重要，特别是使用壁虎粘合剂的夹具，其中紧密接触对于牢固附着至关重要。然而，由于缺乏可变形的传感器，很少有证明触觉感知的壁虎夹具。我们提出了Viko，一个自适应壁虎抓手，利用基于视觉的触觉传感器来监测接触状态。该传感器提供接触面积和剪切力的高分辨率实时测量。此外，传感器是自适应的，低成本的，和紧凑的。我们将壁虎风格的粘合剂集成到传感器表面，而不会影响其适应性和性能。利用机械手臂，我们评估了一系列的抓取测试的性能的夹具。即使在30度的低指尖俯仰角下，夹持器的最大有效载荷也为8N。我们还展示了抓手的能力，调整指尖姿势更好地接触使用传感器反馈。此外，日常物体采摘作为示范的夹具的适应性。
2021-05-03 cs.RO
Adding internal audio sensing to internal vision enables human-like in-hand fabric recognition with soft robotic fingertips
Haptic Intelligence Department, Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所人机交互部门）；Department for Distributed Intelligence / Autonomous Learning, University of Tübingen（图宾根大学分布式智能/自主学习部门）
本研究通过结合内部视觉和音频感知，使软机器人指尖实现类人织物识别，利用变压器方法在 20 种常见织物上达到 97% 分类准确率。
2026-02-13 cs.RO
A Tendon-Driven Five-Fingered Hand with Distributed Tactile Perception for Dexterous Manipulation
该研究针对人形机器人复杂操作需求，设计了带分布式触觉感知的刚柔混合肌腱驱动五指机械手，通过双模态触觉传感实现接触与力检测，实验验证了其集成驱动-感知系统的可行性。
2026-08-27 cs.AI cs.RO
Identifying Multiple Interaction Events from Tactile Data during Robot-Human Object Transfer
Simon Fraser University（西蒙弗雷泽大学）；University of Regina（里贾纳大学）
在机器人到人类对象的切换任务期间，对象可能发生几个预期或非预期的事件-它可能被人类接收器拉动、推动、碰撞或简单地保持。我们表明，它是可以区分这些事件仅仅通过触觉传感器。来自触觉传感器的训练数据在人类受试者与由3指机器人手握持的物体的交互期间被记录。一个词袋的方法是用来自动提取有效的特征，从触觉数据。一个支持向量机被用来区分这四个事件，平均准确率超过95%。
2019-09-15 cs.RO
Event-Driven Visual-Tactile Sensing and Learning for Robots
National University of Singapore（新加坡国立大学）
这项工作有助于事件驱动的视觉触觉感知系统，包括一个新的生物启发的触觉传感器和多模态尖峰为基础的学习。我们的神经形态指尖触觉传感器NeuTouch由于其基于事件的特性，能够很好地适应出租车的数量。同样，我们的视觉触觉脉冲神经网络（VT-SNN）在与事件传感器耦合时能够实现快速感知。我们评估我们的视觉触觉系统（使用NeuTouch和Prophesee事件相机）的两个机器人任务：容器分类和旋转滑动检测。在这两个任务中，我们观察到相对于标准深度学习方法的良好准确性。我们已经免费提供了我们的视觉触觉数据集，以鼓励对多模态事件驱动机器人感知的研究，我们认为这是一种有前途的智能节能机器人系统方法。
2020-09-15 cs.RO
HapticWAM: Distilling Imagined Touch into a World-Action Model without Inference-Time Tactile Sensing
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）
HapticWAM通过师生蒸馏将光学触觉信息编码进世界-动作模型，在无推理时触觉输入下实现接触丰富操作，真实任务中达到77%平均成功率。
2026-09-22 cs.RO
Design of a Fully Actuated Robotic Hand With Multiple Gelsight Tactile Sensors
Massachusetts Institute of Technology（麻省理工学院）
这项工作详细介绍了一种新型的两个手指的机器人夹持器与多个Gelsight的光学触觉传感器覆盖的手的内表面的设计。多个Gelsight传感器可以同时从多个视图收集物体的表面拓扑结构，并可以跟踪剪切应力和拉伸应力。此外，其他感测模态使手能够从被抓握的物体收集热、声和振动信息。力控夹持器是完全致动的，因此它可以用于各种抓取配置，也可以用于手操作任务。在这里，我们提出了这样的夹具的设计。
2020-02-06 cs.RO
In-Hand Singulation and Scooping Manipulation with a 5 DOF Tactile Gripper
School of Industrial Engineering, Purdue University（普渡大学工业工程学院）；Computer Science and Artificial Intelligence Lab, MIT（麻省理工学院计算机科学与人工智能实验室）
本文提出一种集成 GelSight 触觉传感器的两指五自由度夹爪，用于解决多自由度机械手的冗余复杂性问题，并在颗粒介质中物体分离分类和受限空间信用卡舀取插入任务中分别取得最高 94.3% 和 100% 的成功率。
2024-08-01 cs.RO
Artificial Skin Ridges Enhance Local Tactile Shape Discrimination
National University of Singapore（新加坡国立大学）
假手成功抓取和操纵物体的基本要求之一是能够区分不同物体的形状，更具体地说，是物体的表面曲率。在这项研究中，我们提出了一个脊状的指尖结构，模拟人类指纹，提高嵌入式触觉传感器的曲率检测的可能性。此外，提出了一种基于机器学习方法的曲率检测方法，为嵌入式传感器提供区分不同物体表面曲率的能力。为此，进行了一组实验，以收集触觉信号从2 \times 2触觉传感器阵列，然后处理的信号，并用于学习算法。为了实现我们的机器学习方法的最佳性能，我们实现了三种不同的学习算法，即朴素贝叶斯（NB）、人工神经网络（ANN）和支持向量机（SVM），并对各种参数进行了比较。最后，选择最准确的方法来评估所提出的皮肤结构在三种不同曲率的识别。结果表明，曲面曲率判别的准确率为97.5%。
2011-09-16 cs.RO physics.ins-det physics.med-ph
Fluidically Innervated Lattices Make Versatile and Durable Tactile Sensors
Computer Science and Artificial Intelligence Laboratory（计算机科学与人工智能实验室）；Massachusetts Institute of Technology（麻省理工学院）
本文提出一种基于流体神经支配的3D打印弹性体晶格软体指尖触觉传感器，通过检测气道压力变化实现感知，结合神经网络预测接触位置与力，并验证了其在环境探索与高冲击下的耐用性。
2025-09-17 cs.LG cs.RO cs.SY
ML-based tactile sensor calibration: A universal approach
Technische Universität München（慕尼黑工业大学）；fortiss（弗劳恩霍夫软件与系统技术研究所（fortiss））；sensed.io UG (haftungsbeschränkt)（sensed.io有限责任公司）
我们研究了两个触觉传感器，指尖传感器从iCub和BioTac在不同的外部刺激下的反应。感兴趣的问题是两个传感器i）允许估计施加在传感器上的力和ii）能够识别不同程度的曲率的程度。利用影响触觉传感器的力控制线性电机，我们获得了几个高质量的数据集，允许在完全相同的条件下研究两个传感器。我们还研究了使用t-SNE嵌入记录的触觉传感器数据中触觉刺激的表示的结构。实验表明，iCub和BioTac在不同的设置中表现出色。
2016-06-21 cs.LG cs.RO
TactileGCN: A Graph Convolutional Network for Predicting Grasp Stability with Tactile Sensors
University of Alicante（阿利坎特大学）
触觉传感器在与物体交互期间提供有用的接触数据，其可用于准确地学习以确定抓握的稳定性。文献中的大多数作品将触觉读数表示为普通特征向量或矩阵状触觉图像，使用它们来训练机器学习模型。在这项工作中，我们探索了一种利用触觉信息来预测把握稳定性的替代方法，通过利用触觉数据的图形表示，它保留了传感器的taxels及其位置的实际空间布置。在实验中，我们训练了一个图神经网络来对抓取进行二进制分类，分为稳定抓取和滑动抓取。为了训练这样的网络并证明其对手头问题的预测能力，我们捕获了一个新的数据集，其中包含41个对象的大约5000个三指抓握用于训练，以及10个未知对象的1000个抓握用于测试。我们的实验证明，这种新的方法可以有效地用于预测把握稳定性。
2019-01-18 cs.LG cs.RO stat.ML
Design and Validation of an Under-actuated Robotic Finger with Synchronous Tendon Routing
ShanghaiTech University（上海科技大学）；School of Information Science and Technology（信息科学与技术学院）；ShanghaiTech Automation and Robotics (STAR) Center（上海科技大学自动化与机器人中心）；King’s College London（伦敦大学国王学院）
本文提出了一种同步肌腱路由的欠驱动机器人手指，通过单执行器驱动实现轻量化结构，提升抓取性能与操控能力。
2025-12-11 cs.RO
Comprehending finger flexor tendon pulley system using a computational analysis
Indian Institute of Technology Kanpur（坎普尔印度理工学院）
现有的假肢/矫形器设计很少基于生物手指的运动静力学，特别是其肌腱滑轮系统（TPS），其有助于呈现一组非凡的功能。计算模型或尸体实验的研究确实存在。然而，他们提供的TPS配置，导致较低的肌腱张力，bowstringing，滑轮应力，所有这些生物手指可能会采用毕竟信息很少。此类配置和相关联的权衡的先验知识不仅从例如外骨骼的设计观点来看是有帮助的，而且对于外科重建程序也是有帮助的。我们提出了一个参数研究，以确定最佳TPS配置的Flexor机制。一个顺应性，弯曲为基础的计算模型的开发和模拟使用伪刚体方法，与各种组合的滑轮/肌腱附件点定位，滑轮的高度和宽度。从收集的数据中进行扣除，以推荐最合适的配置。生物TPS配置的许多方面通过所提出的分析进行了解释。我们认为，这里的分析方法将是有用的，在定制（优化）的手外骨骼设计。
2020-10-06 cs.RO
Identification and validation of the dynamic model of a tendon-driven anthropomorphic finger
Munich Institute of Robotics & Machine Intelligence, Technische Universität München (TUM)（慕尼黑机器人与机器智能研究所，慕尼黑工业大学（TUM））；Centre for Tactile Internet with Human-in-the-Loop (CeTI)（以人为中心的触觉互联网中心（CeTI））
本研究提出了一种包含刚体动力学、耦合矩阵、关节粘弹性和肌腱摩擦的广义动力学模型及配套实验验证方法，用于量化人类和拟人肌腱驱动手指的动力学特性。
2024-08-23 cs.RO
Tendon Force Modeling for Sim2Real Transfer of Reinforcement Learning Policies for Tendon-Driven Robots
CREATE Lab, Swiss Federal Institute of Technology Lausanne (EPFL)（CREATE实验室，瑞士联邦理工学院洛桑分校（EPFL））
本研究提出一种基于变压器的肌腱力建模方法，通过模拟与强化学习结合，提升真实机器人中肌腱驱动手指的控制性能。
2026-03-04 cs.RO
Learning-based Optoelectronically Innervated Tactile Finger for Rigid-Soft Interactive Grasping
University of Hong Kong（香港大学）；Southern University of Science and Technology（南方科技大学）；SUSTech Institute of Intelligent Manufacturing（南方科技大学智能制造研究院）
提出了一种利用多通道光纤实现软硬交互抓取的全方位自适应柔性触觉手指的设计方案。机器学习方法用于训练用于使用所收集的触觉数据实时预测力、扭矩和接触的模型。我们进一步将这些手指集成到具有三个手指的可重构夹持器设计中，使得手指布置可以基于抓取过程中收集的触觉数据实时主动调整，实现刚性-柔性交互式抓取过程。详细的传感器校准和实验结果也包括进一步验证所提出的设计增强抓取鲁棒性。
2021-01-29 cs.RO
Soft, Round, High Resolution Tactile Fingertip Sensors for Dexterous Robotic Manipulation
Massachusetts Institute of Technology（麻省理工学院）
高分辨率触觉传感器通常体积庞大，并且具有使它们难以用于操纵的形状轮廓。当使用诸如用于灵巧的多指手的指尖的传感器时，这变得重要，其中方形或平面指尖限制了可用的平滑操纵策略集。高分辨率的光学传感器，如GelSight，由于照明几何形状的限制，到目前为止一直被限制在相对平坦的几何形状。在这里，我们展示了如何构建一个圆形的指尖，利用一种形式的光管道定向照明。我们的传感器可以取代Allegro手的标准圆形指尖。它们可以捕获接触表面的高分辨率地图，并可用于支持各种灵巧的操作任务。
2020-05-18 cs.RO
High-Bandwidth Biomimetic Finger for Tactile-Transparent Remote Texture Sensing
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；State Key Laboratory of Smart Farm Technologies and Systems（智慧农场技术与系统全国重点实验室）
本文提出一种仿生指尖，通过多层机械梯度和指纹形态设计，结合高灵敏度惯性测量单元，实现远程振动触觉渲染，并揭示设计对触觉透明度的影响，为远程操作指尖设计提供原则。
2026-09-23 cs.RO
How to Train your Tactile Model: Tactile Perception with Multi-fingered Robot Hands
Bristol Robotics Laboratory, University of Bristol（布里斯托大学布里斯托机器人实验室）
本文提出TacViT模型，基于视觉Transformer实现触觉感知，能有效泛化新传感器数据，减少数据收集和重训练需求，提升多指机械手的触觉感知能力。
2026-04-01 cs.RO
GelTip: A Finger-shaped Optical Tactile Sensor for Robotic Manipulation
University of Liverpool（利物浦大学）；Fuzhou University（福州大学）
感知整个手指的接触是机器人在杂乱环境中执行操作任务的基本能力。然而，现有的触觉传感器要么仅具有平坦的感测表面，要么具有有限感测区域的顺应性尖端。在本文中，我们提出了一种新的光学触觉传感器，GelTip，形状像一个手指，可以感测其表面上的任何位置的接触。该传感器捕获高分辨率和颜色不变的触觉图像，可用于提取有关末端执行器与被操纵物体相互作用的详细信息。我们的大量实验表明，GelTip传感器可以有效地定位其手指形主体的不同位置上的触点，平均定位误差约为5 mm，最佳情况下小于1 mm。所获得的结果表明，在促进动态操作任务与其全面的触觉感知能力的GelTip传感器的潜力。有关GelTip传感器的传感器型号和更多信息，请访问http://danfergo.github.io/geltip。
2020-08-12 cs.RO
GelSlim: A High-Resolution, Compact, Robust, and Calibrated Tactile-sensing Finger
Massachusetts Institute of Technology（麻省理工学院）
这项工作描述了一个高分辨率的触觉感知手指的机器人的发展。这款手指的灵感来自于以前的GelSight传感技术，其集成功能比以前的基于视觉的触觉传感器更纤薄，更强大，输出更均匀。为了实现紧凑的集成，我们通过结合光导和镜面反射的布置来重新设计从照明源到相机的光路。我们用几何设计变量参数化光路，并描述手指厚度、相机景深和触觉感知区域大小之间的权衡。该传感器通过将柔性软凝胶的更坚韧材料、纹理织物皮肤、结构刚性主体和在使用过程中保持均匀照明和触觉图像对比度的校准过程相结合，在抓取任务中持续使用和滥用磨损。最后，我们评估传感器的耐用性沿四个指标，跟踪信号质量在3000多个抓实验。
2018-05-15 cs.RO
