Soft gripper made of flexible materials are easily deformed and useful when holding various objects without complicated control. However, due to the deformability of the soft gripper, the gripping force is limited compared with the conventional rigid gripper. Also, in order to expand the application field of the soft gripper, it is required to have cognitive ability to get the information of the gripped object. But, the cognitive of soft grippers in previous researches only identified the objects with the different shape. In this study, we propose a gripper based on soft palm structure to solve these problems. We used the soft palm gripper to increase the gripping force of the soft gripper. In addition, by learning the fully-connected neural network based object classifier using the pneumatic data of the soft gripper, it is possible to identify objects of different shape and mass. Using our proposed soft gripper and classification model, it is possible to improve the strength and cognitive abilities of the soft gripper.
소프트 그리퍼는 변형이 잘 되는 유연한 소재로 이루어져 복잡한 제어없이 다양한 물체를 잡을 때 유용하게 사용된다. 그러나, 소프트 그리퍼의 변형성 때문에 기존의 강체 그리퍼와 비교되어 파지하는 힘이 제한적이다. 또한 소프트 그리퍼의 응용 분야를 넓히기 위해 파지한 물체의 특성을 파악하는 인지 능력이 요구되고 있으나 이전까지의 연구들은 형체가 다른 물체에 대해서만 한정적으로 인지하였다. 이 연구에서는, 이러한 문제점들을 해결하기 위해 소프트 손바닥 구조를 활용한 그리퍼와 완전 신경망 기반 물체 분류 방법을 제안한다. 우리는 제안한 소프트 손바닥 그리퍼를 활용하여 그리퍼의 파지하는 힘을 증가시켰다. 또한, 그리퍼의 공압 데이터를 이용하여 완전 연결 신경망 기반 물체 분류기를 학습시킴으로써 형태와 질량이 다른 물체들을 식별하는 것을 가능하게 하였다. 우리가 제안하는 그리퍼와 모델을 사용하면 소프트 그리퍼의 힘과 인지 능력을 향상시키는 것이 가능하다.
