Robots with rigid structures have been studied for a long time, but recently, interest in soft robots has been increasing. Humans understand objects with their excellent skin properties. Skin is the largest organ in the human body and has a variety of outstanding properties such as stretchability, self-healing ability, high mechanical toughness, and tactile sensing capability. Furthermore, skin can sense force, temperature, vibration, and so on. Human-like sensing capabilities will provide more opportunities for soft robots. Therefore, there are many attempts to create human-like sensing abilities for robots through fabricating artificial skin so-called electronic skin (e-skin). The skin can perceive different kinds of forces, such as normal, shear, and tangential/radial forces. However, all soft multiaxial force sensor with accurate force prediction for electronic skin is still challenging obstacles to be solve.
This work introduces liquid-metal-based soft multiaxial force sensor and deep learning-based signal processing for electronic skin. Fused deposition modeling (FDM) is used to fabricate the master mold that is based on a water-soluble thermoplastic polymer filament (Polyvinyl alcohol, PVA). The PVA master mold is used to create the liquid-metal-based channels and Dragon skin 10 is used as an elastomer. The proposed multiaxial force sensor consists of two layers of liquid metal microchannels and each layer consists of multichannel. The sensor matrix is created with the perpendicular placement of two layers. Then, 3D dome structure is made by vacuum chamber. The crossing area of sensor matrix is placed at a hole and vacuum was applied to construct a dome structure. The dome structure is fabricated with Dragon skin 10 which is the same material with sensor elastomer. Finally, the multichannel sensor matrix is placed on the top of the dome structure. Thus, this structure enables the measurement of normal force and radial force applied to the sensor matrix. Furthermore, in virtue of the proposed structure, the direction and the angle of the force can be detected. Data acquisition system and data synchronization with dynamic time warping processes are done to characterize the sensor. The sensing range of the liquid-metal-based soft sensors can be adjusted by the thickness of the elastomer. Using the minimum thickness for the elastomer resulted with maximum 2 N sensing for the proposed sensor. Due to the 3D printing fabrication process, the sensor demonstrates transient response at location-to-location. Sensor characterization results showed that the transient response pattern is different in each location. Thus, contact localization of each location in the sensor matrix could be done by different transient response patterns. A dual-task convolutional neural network is used for applied force prediction and contact localization of the 5 different points of the proposed sensor. Finally, classification of 5 different points was achieved with the accuracy of 98% by applying preprocessed sensor data which was collected from 6 different channels of the proposed sensor.
강체 구조의 로봇은 오래전부터 연구되어 왔지만 최근 소프트 로봇에 대한 관심이 높아지고 있다. 인간은 뛰어난 피부 속성으로 사물을 이해한다. 피부는 인체에서 가장 큰 기관으로 신축성, 자가치유력, 기계적 인성, 촉각감각 등 다양한 특성을 갖고 있다. 또한 피부는 힘, 온도, 진동 등을 감지할 수 있다. 인간과 유사한 감지 기능은 로봇에 더 많은 기회를 제공한다. 따라서 전자 피부라 불리는 인공 피부를 제작하여 로봇이 인간과 같은 감지 능력을 갖도록 하려는 연구가 많이 진행되어 있다. 피부는 법선, 전단력, 접선/반사 방향 힘과 같은 다양한 종류의 힘을 감지할 수 있다. 그러나 전자 피부에서는 정확한 힘 예측 기능을 갖춘 유연 다축 힘 센서는 해결해야 할 난제 중 하나다.
본 연구는 전자 피부를 위한 액체 금속 기반 유연 다축 힘 센서 및 딥러닝 기반 신호 처리를 소개한다. Fused Deposition Modeling (FDM) 방식을 통하여 열가소성 폴리머 필라멘트(Polyvinyl alcohol, PVA)를 기반으로 하는 마스터 몰드를 제작했다. PVA 마스터 몰드는 액체 금속 기반 채널을 만드는 데 사용되며 Dragon skin 10은 엘라스토머로 사용했다. 제안된 다축 힘 센서는 액체 금속 채널 두 층으로 구성되며 각 층은 다중 채널로 구성됩니다. 센서 매트릭스는 두 개의 레이어를 수직으로 배치하여 생성된다. 진공 챔버를 사용하여 3D 돔 구조를 제작한다. 센서 매트릭스의 교차 영역을 구멍에 놓고 진공을 적용하여 돔 구조를 제작할 수 있었다. 돔 구조는 센서 엘라스토머와 동일한 재료인 Dragon skin 10으로 제작됐다. 다채널 센서 매트릭스는 돔 구조의 상단에 배치하게 된다. 따라서 이 구조를 통해 센서 매트릭스에 가해지는 수직력과 반경방향 힘을 측정할 수 있다. 또한 제안된 구조 덕분에 힘의 방향과 각도를 감지할 수 있다. 센서 특성을 고찰하기 위해 데이터 수집 시스템 및 데이터 동기화 프로세스를 수행했다. 액체 금속 기반 유연 센서의 감지 범위는 엘라스토머의 두께로 조정할 수 있다. 엘라스토머의 두께를 최대한 낮게 사용하여 제안된 센서는 최대 2 N까찌 감지할 수 있게 됐다. 3D 프린팅 제조 공정으로 인해 센서는 위치 간 Transient 응답을 보여준다. 센서 특성화 결과는 Transient 응답 패턴이 각 위치에서 다른 것으로 보여준다. 따라서 센서 매트릭스에서 각 위치의 접촉 위치 파악은 서로 다른 Transient 응답 패턴에 의해 수행될 수 있다. 이중 작업 합성곱 신경망을 적용하여 힘 예측 및 제안된 센서의 5가지 다른 지점의 접촉 위치 파악에 사용된다. 마지막으로 제안된 센서의 6개 채널에서 수집되고 전처리된 센서 데이터를 적용하여 98%의 정확도로 5개 지점의 분류를 달성하였다.
