[논문 리뷰] ReSkin: versatile, replaceable, lasting tactile skins

Raunaq Bhirangi, Tess Hellebrekers외 2명|arXiv (Cornell University)|2021. 10. 29.

Advanced Sensor and Energy Harvesting Materials참고 문헌 35인용 수 4

한 줄 요약

ReSkin은 자기장 왜곡과 기계학습을 활용하여 다양한 형상에 걸쳐 고정밀 힘 및 접촉 위치를 감지할 수 있는 저비용, 교체 가능하고 내구성 있는 触覚 감지 피부이다. 자기 감독 학습을 통해 새롭거나 마모된 피부에서도 견고한 성능을 발휘하며, 교체 후 즉각적인 사용이 가능하고 최소한의 校정을 요구한다.

ABSTRACT

Soft sensors have continued growing interest in robotics, due to their ability to enable both passive conformal contact from the material properties and active contact data from the sensor properties. However, the same properties of conformal contact result in faster deterioration of soft sensors and larger variations in their response characteristics over time and across samples, inhibiting their ability to be long-lasting and replaceable. ReSkin is a tactile soft sensor that leverages machine learning and magnetic sensing to offer a low-cost, diverse and compact solution for long-term use. Magnetic sensing separates the electronic circuitry from the passive interface, making it easier to replace interfaces as they wear out while allowing for a wide variety of form factors. Machine learning allows us to learn sensor response models that are robust to variations across fabrication and time, and our self-supervised learning algorithm enables finer performance enhancement with small, inexpensive data collection procedures. We believe that ReSkin opens the door to more versatile, scalable and inexpensive tactile sensation modules than existing alternatives.

연구 동기 및 목표

• 로봇공학 및 인간-로봇 상호작용 분야에서 장기적으로 지속 가능하고 교체 가능하며 확장 가능한 触覚 감지 솔루션의 부족을 해결한다.
• 부드럽고 유연한 접촉과 시간이 지남에 따라 발생하는 센서 열화 및 샘플 간 변동성 간의 상충 관계를 극복한다.
• 완전한 재학습이나 재교정 없이도 새 센서 피부에서도 정확한 퍼피스 인식을 가능하게 한다.
• 로봇 그립퍼, 웨어러블 센서, 대규모 피부 등 다양한 응용 분야에 적합한 작고 저비용이며 유연한 퍼피스 감지 피부를 개발한다.
• 공간 해상도 1mm, 시간 해상도 최대 400Hz를 달성하며, 힘 감도는 0.1N 이하로 구현한다.

제안 방법

• 접촉 시 변형되는 자기장이 가로지르는 부드럽고 자기화된 피부층을 사용하여 국소 자기장을 감지하는 내장형 유연한 자기계측기로 감지한다.
• 기계학습을 활용해 자기장 왜곡을 접촉력과 위치로 매핑함으로써 제조 변동성과 시간 경과에 따른 영향에도 견고한 추론을 가능하게 한다.
• 삼중체 손실을 사용한 자기 감독 학습(SSL) 적응 절차를 구현하여 최소한의 데이터 수집으로 새로운 피부에 대한 모델을 정밀하게 보정한다.
• 전자 감지 회로를 수동적 피부 인터페이스에서 분리하여, 밴드에이드처럼 쉽게 마모된 피부를 교체할 수 있도록 한다.
• 단일 마이크로컨트롤러에 여러 개의 유연한 센서 보드를 연결하여 ReSkin을 2인치 × 4인치와 같은 큰 연속 표면으로 확장한다.
• 이식형 데이터 로깅 및 실시간 샘플링(최대 400Hz)을 사용해 이동형 및 웨어러블 응용 분야에 적합하게 한다.

실험 결과

연구 질문

• RQ1 다수의 센서 교체 후 재학습 없이도 퍼피스 감지 시스템이 높은 정확도와 공간 해상도를 유지할 수 있는가?
• RQ2 자기 감독 학습 방법이 최소한의 데이터로 사전 학습된 모델을 새로운 캘리브레이션되지 않은 ReSkin 센서에 얼마나 잘 적응시킬 수 있는가?
• RQ3 기계학습과 함께 자기 감지를 통해 제조 변동성과 장기 사용에 걸쳐 얼마나 일반화될 수 있는가?
• RQ4 ReSkin은 민감한 조작 작업을 위해 충분한 힘 감도(<0.1 N)와 시간 해상도(>100 Hz)를 달성할 수 있는가?
• RQ5 완전한 표면 접촉 위치 추적을 위해 ReSkin은 얼마나 효과적으로 대규모 연속 퍼피스 감지 피부로 확장될 수 있는가?

주요 결과

• 자기 감독 적응 절차를 통해 새 센서 피부에서 1mm 공간 해상도로 90%의 정확도를 달성한 접촉 위치 추적을 실현했다.
• 50,000회 이상의 상호작용 동안도 정확한 힘 및 접촉 예측 성능을 유지하여 장기 내구성을 입증했다.
• ReSkin 센서는 0.2N 이하의 힘(약 20mL의 물에 해당)까지 감지할 수 있어 경량 접촉의 민감한 감지가 가능하다.
• 자기 감독 학습 방법을 통해 최소한의 데이터 수집으로도 높은 정밀도 성능을 달성하여 교정 시간과 비용을 크게 줄였다.
• ReSkin은 힘 피드백을 활용해 블루베리나 포도와 같은 섬세한 물체를 성공적으로 抓취했으며, Robotiq Hand-E 그립퍼의 내장형 힘 센서보다 뛰어난 성능을 보였다.
• 다양한 응용 분야에 성공적으로 구현된 바 있다: 개의 신발(보행력 측정), 인간 손가락 장갑(etest 밀봉), 2인치 × 4인치의 대규모 연속 피부로 전체 표면 감지 기능을 제공했다.