A Soft e-Textile Sensor for Enhanced Deep Learning-based Shape Sensing of Soft Continuum Robots

我们的研究表明，在软连续机器人中，机器人导航的安全性和准确性至关重要，特别是在传统刚性传感器的局限性变得明显的情况下。编码器、压阻和电位器传感器通常难以与这些机器人的柔性结构良好集成，增加了不必要的体积和刚度。为了克服这些障碍，我们的研究通过使用软电子纺织品电阻传感器，提出了一种新的软连续机器人形状感知方法。这种传感器旨在与机器人的结构完美集成，利用一种电阻材料，根据机器人的运动和变形调整其电阻。这种调整有助于在软传感器层上捕获多维力测量。我们采用深度卷积神经网络（CNN）来解码传感器信号，从而根据电子纺织品传感器的详细数据精确估计机器人的形状配置。我们的研究调查了这种电子纺织品传感器在确定软连续机器人的曲率参数方面的功效。研究结果令人鼓舞，显示出软电子纺织品传感器不仅匹配，而且在形状感知和估计方面潜在地超过了传统刚性传感器的能力。这种进步显著提高了机器人导航系统的安全性和效率。

软连续机器人的导航安全性和准确性如何提高？如何解决传统刚性传感器与软机器人集成困难的问题？

使用软电子纺织电阻传感器实现软连续机器人的形状感知，并通过深度卷积神经网络对传感器信号进行解码，实现精确的机器人形状配置估计。

论文设计了软电子纺织电阻传感器，并且使用深度卷积神经网络对传感器信号进行解码，实现了软连续机器人形状配置的精确估计。研究发现，相较于传统刚性传感器，软电子纺织电阻传感器在形状感知和估计方面具有更好的性能。

近期相关研究包括：1. 'A Soft Strain Sensor Based on Ionic Hydrogel for Human Motion Detection'；2. 'Soft Robotics: Review of Fluid-Driven Intrinsically Soft Devices; Manufacturing, Sensing, Control, and Applications'；3. 'A Review of Soft Robotics for Rehabilitation: Insights into Control, Modeling, and Applications in Neurorehabilitation'