As the Internet of Things (IoT), which refers to the hyperconnectedness of people, things, and data, has recently emerged as a keyword in the Fourth Industrial Revolution, tactile sensors have been actively researched for their potential applications in various industries such as human-computer interaction, healthcare, and robotics. Tactile sensors are fabricated in arrays to provide visual and physical feedback to users through pressure distribution information, or to be utilized as electronic skin for robots. However, conventional methods for measuring the information of sensor arrays require multi-channel measurement boards or additional integrated circuit chips such as a large number of amplifiers and switching devices, which increases the volume of the measurement board. In addition, wiring must be considered according to the array shape, which adds to the complexity of the design and creates difficulties in manufacturing to meet user needs.
To solve these problems, this study proposes a mechanism that can distinguish information from multiple sensors connected to a microcontroller with a fixed number of channels. By doing so, we developed a modularized tactile sensor that can reconfigure various arrays through inter-sensor connections without degrading the performance of the array. The proposed concept is a sensor system based on an optical mechanism that obtains information through sequential sampling, and for this purpose, sequentially controls light-emitting diodes with a fixed number of lines through addressable light-emitting diodes or shift registers, and utilizes a light sensor to obtain tactile information of the corresponding module. The functional modularity of the proposed mechanism was experimentally characterized. Two tactile sensors were fabricated: a pressure sensor and a force sensor with increased spatial resolution by applying machine learning.
The developed pressure sensor has a pressure measurement range of $200 kPa$ and a response time of $0.15 s$ to a step loading. In addition, the response was the asdasdme when the sensors were connected and in single-sensor and multi-sensor loading situations, and the durability of the sensor was confirmed through 1000 repeatability experiments. In the case of the force sensor, a machine learning model was implemented to predict the force applied to locations separated by $2.5 mm$ from light emitting diodes and photodiodes distributed at $2.5 cm$ intervals, and showed a prediction error of $0.51 N$ for the test set. As a result, it showed a spatial resolution of $2.5 mm$ through signal processing from taxels spaced $2.5 cm$ apart. The developed modularized sensor is expected to be used as a customized tactile sensor device in the future.
사람, 사물, 데이터 간의 인터넷 초연결을 의미하는 사물인터넷이 최근 4차 산업 혁명에 따라 키워드로 대두되면서, 촉각센서는 인간-컴퓨터 상호작용, 헬스케어, 로보틱스 등 다양한 산업에 적용될 수 있어 활발하게 연구되고 있다. 촉각센서는 압력의 분포 정보를 통해 사용자에게 시각/물리적인 피드백을 주거나, 로봇을 위한 전자 피부로 활용되기 위하여 어레이 형태로 제작된다. 하지만 센서 어레이의 정보를 측정하는 기존의 방식은 다채널의 측정 보드를 필요로 하거나, 많은 수의 증폭기, 스위칭 소자 등의 추가적인 집적회로 칩을 필요로 하여 측정 보드의 부피가 커지게 된다. 그뿐만 아니라 어레이 형상에 따라 배선을 고려해야 하여 설계의 복잡도를 가중시켜 사용자 요구에 맞게 제작하는 데에 어려움이 발생하는 문제가 있다.
따라서 본 연구에서는 이러한 문제를 해결하고자 마이크로컨트롤러의 고정된 채널 개수로, 이에 연결된 여러 센서로부터의 정보를 구분할 수 있는 메커니즘을 제안한다. 이를 통해 어레이의 성능 저하 없이, 센서 간 연결을 통해 다양한 어레이를 재구성할 수 있는 모듈화된 촉각센서를 개발하였다. 제안된 개념은 순차적인 샘플링을 통하여 정보를 얻는 방식이며, 이를 위해 주소지 정 가능한 발광 다이오드 혹은 시프트 레지스터를 통해 고정된 선의 개수로 발광 다이오드를 순차 제어하며 광센서를 활용하여 해당 모듈의 촉각 정보를 얻어내는 광 메커니즘 기반의 센서 시스템이다. 제안된 메커니즘의 기능적 모듈성을 실험적으로 특성평가를 진행하였다. 촉각센서는 압력센서와 기계학습을 적용하여 공간분해능을 높인 힘 센서 두 가지로 제작하였다. 개발된 압력센서는 $200kPa$의 압력측정 범위를 지니며, 스텝 하중에 대해 0.15초의 반응속도를 보인다. 그뿐만 아니라 센서 연결 시에도, 단일 센서 및 다중센서 하중 상황에서도 동일한 반응을 보였으며, 1000회의 반복성 실험을 통해 센서의 내구성을 확인하였다. 힘 센서의 경우 $2.5cm$ 간격으로 분산배치된 발광다이오드 와 포토다이오드로부터 머신러닝 신호처리를 통해 $2.5mm$ 간격으로 떨어진 위치들에 가해지는 힘을 예측하는 모델이 구현되었으며, 테스트 세트에 대해 $0.51N$의 예측 오차를 보였다. 결과적으로 $2.5cm$ 간격의 소자들로부터 신호처리를 통해 $2.5mm$의 공간분해능 향상을 보였다. 개발된 모듈화된 센서는 미래에 사용자 맞춤형 촉각센서 디바이스로서 활용될 것으로 기대된다.
