Vertrieb kontaktieren
Zurück zu Guides

Tastsensor für Roboter: GelSight vs DIGIT vs PaXini

Vergleich von taktilen Sensoren für die Manipulation von Robotern: GelSight Mini, DIGIT, PaXini, BioTac. Auflösung, Kosten und Integrationskomplexität.

Warum die taktile Sensorik für Robotermanipulation wichtig ist

Die Vision zeigt einem Roboter, wo sich Objekte befinden. Das Touch-Sensing zeigt ihm, wie sich Objekte fühlen. Diese Unterscheidung ist entscheidend: Eine Kamera kann nicht erkennen, ob ein Griff abgleiten wird, ob ein Objekt verformbar ist oder wie viel Kraft auf ein zerbrechliches Objekt angewendet wird. Die Forschung zeigt konsequent, dass das Hinzufügen von taktilem Feedback die Erfolgsraten für das Erfassen von neuen Objekten im Vergleich zu nur visuellen Strategien um 15-30% verbessert.

Der Markt für Touchsensoren ist seit 2020 explodiert, mit visionbasierten Touchsensoren (GelSight, DIGIT), die hochauflösende Touchdaten für Forschungsergebnisse für weniger als 500 US-Dollar zugänglich machen.

RCSV integriert taktile Sensoren in unsere [Daten-Sammlungs-Pipelines] (T2) und stellt durch unser [Leasingprogramm] (T3) vorkonfigurierte taktile Arme zur Verfügung.

Funktionsprinzipien der taktilen Sensoren

Die taktilen Sensoren fallen in vier Haupttechnologiefamilien ein, die jeweils unterschiedliche Auflösungs-, Haltbarkeits- und Datenformat-Kompromisse haben:

1. Visionbasierte taktile Sensoren (GelSight, DIGIT, 9DTact)

Eine deformierbare Elastomerplatte wird gegen Objekte gedrückt. Eine Kamera hinter dem Elastomer fotografiert das Deformationmuster durch das transparente Gel.

  • ** Auflösung:** Extrem hoch -- sub-millimeter Raumlösung (begrenzt durch Kamera-Pixel, typischerweise 25-50 um pro Pixel).
  • Ausgabe: RGB-Bild (320x240 bis 640x480) mit Kontaktgeometrie kodiert.
  • Vorteile: Reich geometrische Informationen, kostengünstige Kamera-Hardware, arbeitet mit Standard-CNN-Pipelines für das Lernen.
  • Mängel: Gel-Elastomer verbraucht (500-5000 Kontaktzyklen vor Ersatz), sperrig im Vergleich zu Dünnsensoren, begrenzte Bildgeschwindigkeit (30-60 fps).

2. Resistente/Piezoresistente Arrays (Paxini, RoboSkin)

Ein Netz von druckempfindlichen Elementen (Taxels) verändert den elektrischen Widerstand unter angewandter Kraft.

  • Resolution: Moderate -- Taxel-Pitch von 2-5 mm, mit 8x8 bis 16x16 Arrays pro Fingerspitze.
  • Ausgabe: 2D-Druck-Array (Gegenwert proportional zur Kraft pro Taxel).
  • Vorteile: Dünnes Profil (1-3 mm), hohe Haltbarkeit (100K+ Zyklen), schnelle Probenahme (100-1000 Hz), konforme mit gekrümmten Oberflächen.
  • Nachteile: Niedrigere räumliche Auflösung als visionbasierte Sensoren, erfordert eine Kalibrierung pro Sensor für eine genaue Kraftmessung.

3. Kapazitätssensoren (BioTac, Xela)

Zwei leitfähige Schichten, die durch eine komprimierbare Dielektrische Veränderungskapazität unter Druck getrennt sind. BioTac fügt eine flüssig gefüllte Elastomerjacke hinzu, die auch Temperatur und Vibrationen erkennt.

  • ** Auflösung:** Niedrigmoderate - BioTac hat 19 Taxelle plus Impedanzgelektroide. Xela bietet mehrdichte Arrays (4 mm Pitch).
  • Ausgang: Mehrmodal: Kraft + Schwingung (Hochfrequenz-AC-Signal zur Erkennung von Schlüpfen) + Temperatur.
  • Vorteile: Multi-modal-Sensing, nachgewiesen in der Forschung (1000+ Arbeiten zitieren BioTac).
  • Mängel: BioTac ist eingestellt (SynTouch hat 2023 seine Betriebsführung eingestellt).

4. Optische Wellenleitungen / Fasersensoren

Licht verbreitet sich durch eine optische Faser oder Wellenleitung. Die Verformung durch Kontakt verändert die Lichtübertragungseigenschaften (Intensität, Wellenlänge oder Phase).

  • Vorteile: MRI-kompatibel, immun gegen elektromagnetische Störungen.
  • ** Nachteile:** Komplexe Signalverarbeitung, begrenzte kommerzielle Verfügbarkeit für Robotik.

Tabelle für den Vergleich von taktilen Sensoren

Sensor Type Resolution Force Range Sample Rate ROS2 Driver Durability Price Status
GelSight Mini Vision-based ~30 um/pixel (640x480) 0-40 N 30 fps gelsight_ros2 1000-3000 cycles $400 Available
DIGIT Vision-based ~40 um/pixel (320x240) 0-25 N 60 fps digit_ros2 500-2000 cycles $300 Available
9DTact Vision-based ~50 um/pixel (320x240) 0-30 N 30 fps Community 1000+ cycles $200 (DIY) Open-source
Paxini Gen3 Piezoresistive array 16x16 taxels (3 mm pitch) 0-100 N 100 Hz paxini_ros2 100K+ cycles $800 Available (RCSV)
BioTac SP Capacitive + fluid 19 taxels + 19 impedance 0-30 N 100 Hz (DC) / 2.2 kHz (AC) biotac_ros2 50K+ cycles $5,000 Discontinued
Xela uSkin Capacitive (3-axis) 4x4 to 16x16 (4 mm pitch) 0-10 N per taxel 250 Hz xela_ros2 50K+ cycles $1,200-$3,000 Available
RoboSkin (Pressure Profile Systems) Capacitive array Custom (down to 2 mm pitch) 0-140 kPa 1000 Hz Custom 100K+ cycles $2,000-$5,000 Available

Detaillierte Sensorprofile

GelSight Mini

Das GelSight Mini von GelSight Inc. (MIT-Spin-off) ist der am häufigsten verwendete visionbasierte taktile Sensor in der Forschung. Es liefert ein 640x480 RGB-Bild mit 30 fps, das eine sub-millimeter-Oberflächengeometrie kodiert. Das Elastomergel ist ersetzbar ($ 30/gel, 5-minütige Swap). Der Sensorkörper ist ungefähr 25x25x30 mm groß, so dass er für Parallelanfanggeräte geeignet ist, aber zu sperrig für mehrfingerfähige, geschickte Hände.

Beste für: Forschung zur Einstufung von Oberflächentexturen, Objektspositionsschätzung durch Berührung und Lernen von Kontakt-rich Politiken.

Beschränkung: Die 30 fps Bildschraubrate und die ~10 ms USB-Latenzgrenze für Echtzeitreaktiv-Grippering.

DIGIT (Meta AI)

DIGIT ist ein kompakter Vision-basierter Sensor, der von Meta AI entwickelt wurde. Er ist kleiner als GelSight Mini (20x27x18 mm) und produziert 320x240 Bilder mit 60 fps. DIGIT wurde speziell für die geschickte Handintegration entwickelt und passt an die Fingerspitze der Allegro Hand.

Beste für: Mehrere Finger-Handhabung. Der kompakte Formfaktor und die höhere Bildrate machen es besser geeignet für reaktives Greifen als GelSight Mini.

Beschränkung: Das Gel ist nicht nutzerveränderbar (Werkdienst erforderlich). Niedrigere Auflösung als das GelSight Mini.

Paxini Gen3

Paxini-Taktsensoren verwenden piezoresistive Arrays, die ein 16x16-Taxel-Gitter bei 100 Hz bieten. Das dünne Film-Design (2 mm-Profil) entspricht kurven Fingerspitzflächen, so dass es mit geschickten Händen wie der [Orca Hand] (T4) kompatibel ist. Im Gegensatz zu vision-basierten Sensoren haben Paxini-Arrays keine beweglichen Teile und kein Gel zum Ersetzen, was eine 100K+-Haltbarkeit im Produktionszyklus ermöglicht.

Beste für: Produktionsmanipulationssysteme, Datenerhebung mit hohem Zyklus und Anwendungen, die eine lange Sensorlebensdauer erfordern.

RCSV-Verfügbarkeit: Paxini-Sensoren sind in RCSV aufbewahrt und zur Integration mit [OpenArm 1]T5) und Orca Hand-Plattformen verfügbar.

BioTac SP (aufgeschaltet)

BioTac war der Goldstandard für multimodelle taktile Sensing: 19 Kraft-Taxel, 19 Impedanzgelektroide (für die Erkennung von Objektmaterial), ein Hydrophon (für Vibration/Slip bei 2,2 kHz) und ein Thermistor. Kein aktueller Sensor entspricht seiner Breite der Modalitäten. SynTouch hörte jedoch 2023 auf zu arbeiten, und BioTac-Einheiten sind nicht mehr verfügbar. Bestehende Benutzer sollten eine Migration planen.

Migrationsweg: Für Kraft-Nur-Anwendungen sind Paxini Gen3 oder Xela uSkin direkte Ersatzstoffe. Für die Aufdeckung von Schlüpfen verwenden Sie Paxini bei 100 Hz mit Druckderivaten-Schwelle. Für Impedanz (Materialklassifizierung) gibt es keinen direkten Ersatz - stattdessen verwenden Sie auf Sicht basierende Methoden.

ROS2-Integration

Die taktilen Sensoren veröffentlichen Daten unter Verwendung von zwei Hauptmessendypen ROS2, je nach Sensortechnologie:

Sensor Type ROS2 Message Topic Example Notes
Vision-based (GelSight, DIGIT) sensor_msgs/Image /gelsight/image_raw Standard camera image; process with OpenCV or CNN
Array (Paxini, Xela) sensor_msgs/Image (16UC1) /paxini/pressure_image 16-bit grayscale; each pixel = one taxel pressure
Array (3-axis, Xela) geometry_msgs/WrenchStamped[] /xela/tactile Per-taxel 3-axis force (normal + shear) 
# Example: Subscribe to Paxini tactile data in ROS2 Python
import rclpy
from rclpy.node import Node
from sensor_msgs.msg import Image
import numpy as np
from cv_bridge import CvBridge

class TactileListener(Node):
    def __init__(self):
        super().__init__('tactile_listener')
        self.bridge = CvBridge()
        self.sub = self.create_subscription(
            Image, '/paxini/pressure_image', self.callback, 10)

    def callback(self, msg):
        # Convert 16-bit grayscale image to numpy array (16x16)
        pressure = self.bridge.imgmsg_to_cv2(msg, '16UC1')
        total_force = np.sum(pressure) * 0.01  # scale to Newtons
        max_taxel = np.max(pressure)
        # Detect slip: check if pressure gradient exceeds threshold
        gradient = np.gradient(pressure)
        slip_detected = np.max(np.abs(gradient)) > 500
        self.get_logger().info(
            f'Force: {total_force:.1f}N, Max: {max_taxel}, Slip: {slip_detected}')

Kalibrierungsprozedur

Die Tastsensorkalibrierung erfasst die Rohsensorenwerte auf physische Kraftwerte (Newton). Ohne Kalibrierung können Sie relative Druckänderungen erkennen, können aber nicht auf eine Zielkraft steuern.

Szenos für die Erfassung von Daten

  1. Erfassen Sie Referenzbilder: Aufnehmen Sie das Sensorbild ohne Kontakt (Hintergrund). Dies dient als Referenz für das photometrische Stereo.
  2. ** Bekannte Belastungen:** Drücken Sie eine flache Oberfläche mit einem präzisen Kraftmessgerät (Mark-10 M5-10, $400) an 5, 10, 15, 20, 25, 30 N. Aufzeichnen Sie das Gelbild bei jeder Belastung.
  3. Fit Kalibrierkurve: Berechnen Sie die durchschnittliche Pixelintensitätsänderung in der Kontaktregion für jede Last.
  4. Gelassene Datum: 3 bekannte Zwischenbelastungen anwenden und überprüfen, ob die vorhergesagte Kraft innerhalb von 10% der tatsächlichen Kraft liegt.

Piezoresistive Arrays (Paxini)

  1. Null-Offset: 100 Bilder ohne Kontakt aufnehmen. Durchschnittlich und als Null-Offset pro Taxel speichern.
  2. Einzelpunktkalibrierung: Verwenden Sie eine bekannte verteilte Last (Flatplate + 500g Gewicht = 4,9 N über die Arrayfläche).
  3. Mehrpunktkalibrierung (optional, höhere Genauigkeit): Bei 3-5 Lastniveaus wiederholen und eine lineare oder polynomalische Kalibrierungskurve pro Taxel einrichten.
  4. Temperaturkompensation: Piezoresistive Sensoren treten mit der Temperatur ab. Wenn sie bei unterschiedlichen Umgebungstemperaturen arbeiten, wiederholen Sie die Null-Offset-Messung alle 30 Minuten oder führen Sie eine kontinuierliche Offset-Tracking während der nichtkontaktbedingten Phasen durch.

Beste Methoden zur Kalibrierung

  • Kalibrieren Sie die Temperatur und Feuchtigkeit, in denen Sie arbeiten.
  • Bei Vision-basierten Sensoren wird nach jedem Gel-Austausch neu kalibriert.
  • Speichern Sie Kalibrierdaten neben Ihrem Datensatz (in den HDF5-Metadaten), damit die Nachströmung bei Bedarf erneut kalibriert werden kann.
  • Die Kalibrierung der Produktionssysteme wird wöchentlich überprüft.

Rahmen für die Auswahlentscheidungen

Verwenden Sie diese Entscheidungsschutzregeln, um Ihre Wahl zu beschränken:

Your Requirement Best Choice Why
Maximum surface detail (texture, geometry) GelSight Mini Highest spatial resolution (30 um/pixel)
Compact for dexterous hand fingertips DIGIT or Paxini Gen3 Smallest form factors (18-20 mm width)
Production durability (100K+ cycles) Paxini Gen3 No gel to replace, solid-state construction
3-axis force (shear + normal) Xela uSkin Per-taxel 3-axis measurement for slip vector
Lowest cost for research prototyping 9DTact (DIY) Open-source design, ~$200 in parts
Fast sampling for reactive control RoboSkin (PPS) 1000 Hz for high-bandwidth force control
Works with CNN/ViT learning pipelines GelSight or DIGIT Image output directly compatible with vision models

Integration mit RCSV-Hardware

RCSV hat die Integration von Touchsensoren mit unseren Hardware-Plattformen bestätigt:

  • OpenArm 1 ($4,500, 6-DOF, 500g Nutzlast): Unterstützt GelSight Mini und Paxini Gen3 auf dem Parallel-Klauch-Greifer. Die 500g Nutzlast beherbergt Sensorgewicht (GelSight: 45g pro Finger, Paxini: 8g pro Finger).
  • Orca Hand: Paxini Gen3 Sensoren sind aufgrund ihres dünnen Profils die empfohlene Wahl. Jede der 5 Fingerspitze ist mit einem 16x16-Ansatz ausgestattet. Der Orca Hand-Treiberknoten veröffentlicht alle 5 taktilen Ströme gleichzeitig auf getrennten Themen.
  • DK1 Bimanual: Dual OpenArm-Setup mit synchronisierter taktiler Aufzeichnung auf beiden Griffschlägen.

Alle auf RCSV erhobenen taktilen Daten sind über die [Datenplattform] (T10) zugänglich, wo Sie Kontaktmuster visualisieren, Episoden nach taktilen Ereignissen filtern und synchronisierte multimodale Datensätze herunterladen können.

Warum die taktile Sensorik für Robotermanipulation wichtig ist

Die Vision zeigt einem Roboter, wo sich Objekte befinden. Das Touch-Sensing zeigt ihm, wie sich Objekte fühlen. Diese Unterscheidung ist entscheidend: Eine Kamera kann nicht erkennen, ob ein Griff abgleiten wird, ob ein Objekt verformbar ist oder wie viel Kraft auf ein zerbrechliches Objekt angewendet wird. Die Forschung zeigt konsequent, dass das Hinzufügen von taktilem Feedback die Erfolgsraten für das Erfassen von neuen Objekten im Vergleich zu nur visuellen Strategien um 15-30% verbessert.

Der Markt für Touchsensoren ist seit 2020 explodiert, mit visionbasierten Touchsensoren (GelSight, DIGIT), die hochauflösende Touchdaten für Forschungsergebnisse für weniger als 500 US-Dollar zugänglich machen.

RCSV integriert taktile Sensoren in unsere [Daten-Sammlungsleitungen] (T11) und stellt durch unser [Leasingprogramm] (T12) vorkonfigurierte taktile Arme zur Verfügung.

Funktionsprinzipien der taktilen Sensoren

Die taktilen Sensoren fallen in vier Haupttechnologiefamilien ein, die jeweils unterschiedliche Auflösungs-, Haltbarkeits- und Datenformat-Kompromisse haben:

1. Visionbasierte taktile Sensoren (GelSight, DIGIT, 9DTact)

Eine deformierbare Elastomerplatte wird gegen Objekte gedrückt. Eine Kamera hinter dem Elastomer fotografiert das Deformationmuster durch das transparente Gel.

  • ** Auflösung:** Extrem hoch -- sub-millimeter Raumlösung (begrenzt durch Kamera-Pixel, typischerweise 25-50 um pro Pixel).
  • Ausgabe: RGB-Bild (320x240 bis 640x480) mit Kontaktgeometrie kodiert.
  • Vorteile: Reich geometrische Informationen, kostengünstige Kamera-Hardware, arbeitet mit Standard-CNN-Pipelines für das Lernen.
  • Mängel: Gel-Elastomer verbraucht (500-5000 Kontaktzyklen vor Ersatz), sperrig im Vergleich zu Dünnsensoren, begrenzte Bildgeschwindigkeit (30-60 fps).

2. Resistente/Piezoresistente Arrays (Paxini, RoboSkin)

Ein Netz von druckempfindlichen Elementen (Taxels) verändert den elektrischen Widerstand unter angewandter Kraft.

  • Resolution: Moderate -- Taxel-Pitch von 2-5 mm, mit 8x8 bis 16x16 Arrays pro Fingerspitze.
  • Ausgabe: 2D-Druck-Array (Gegenwert proportional zur Kraft pro Taxel).
  • Vorteile: Dünnes Profil (1-3 mm), hohe Haltbarkeit (100K+ Zyklen), schnelle Probenahme (100-1000 Hz), konforme mit gekrümmten Oberflächen.
  • Nachteile: Niedrigere räumliche Auflösung als visionbasierte Sensoren, erfordert eine Kalibrierung pro Sensor für eine genaue Kraftmessung.

3. Kapazitätssensoren (BioTac, Xela)

Zwei leitfähige Schichten, die durch eine komprimierbare Dielektrische Veränderungskapazität unter Druck getrennt sind. BioTac fügt eine flüssig gefüllte Elastomerjacke hinzu, die auch Temperatur und Vibrationen erkennt.

  • ** Auflösung:** Niedrigmoderate - BioTac hat 19 Taxelle plus Impedanzgelektroide. Xela bietet mehrdichte Arrays (4 mm Pitch).
  • Ausgang: Mehrmodal: Kraft + Schwingung (Hochfrequenz-AC-Signal zur Erkennung von Schlüpfen) + Temperatur.
  • Vorteile: Multi-modal-Sensing, nachgewiesen in der Forschung (1000+ Arbeiten zitieren BioTac).
  • Mängel: BioTac ist eingestellt (SynTouch hat 2023 seine Betriebsführung eingestellt).

4. Optische Wellenleitungen / Fasersensoren

Licht verbreitet sich durch eine optische Faser oder Wellenleitung. Die Verformung durch Kontakt verändert die Lichtübertragungseigenschaften (Intensität, Wellenlänge oder Phase).

  • Vorteile: MRI-kompatibel, immun gegen elektromagnetische Störungen.
  • ** Nachteile:** Komplexe Signalverarbeitung, begrenzte kommerzielle Verfügbarkeit für Robotik.

Tabelle für den Vergleich von taktilen Sensoren

Sensor Type Resolution Force Range Sample Rate ROS2 Driver Durability Price Status
GelSight Mini Vision-based ~30 um/pixel (640x480) 0-40 N 30 fps gelsight_ros2 1000-3000 cycles $400 Available
DIGIT Vision-based ~40 um/pixel (320x240) 0-25 N 60 fps digit_ros2 500-2000 cycles $300 Available
9DTact Vision-based ~50 um/pixel (320x240) 0-30 N 30 fps Community 1000+ cycles $200 (DIY) Open-source
Paxini Gen3 Piezoresistive array 16x16 taxels (3 mm pitch) 0-100 N 100 Hz paxini_ros2 100K+ cycles $800 Available (RCSV)
BioTac SP Capacitive + fluid 19 taxels + 19 impedance 0-30 N 100 Hz (DC) / 2.2 kHz (AC) biotac_ros2 50K+ cycles $5,000 Discontinued
Xela uSkin Capacitive (3-axis) 4x4 to 16x16 (4 mm pitch) 0-10 N per taxel 250 Hz xela_ros2 50K+ cycles $1,200-$3,000 Available
RoboSkin (Pressure Profile Systems) Capacitive array Custom (down to 2 mm pitch) 0-140 kPa 1000 Hz Custom 100K+ cycles $2,000-$5,000 Available

Detaillierte Sensorprofile

GelSight Mini

Das GelSight Mini von GelSight Inc. (MIT-Spin-off) ist der am häufigsten verwendete visionbasierte taktile Sensor in der Forschung. Es liefert ein 640x480 RGB-Bild mit 30 fps, das eine sub-millimeter-Oberflächengeometrie kodiert. Das Elastomergel ist ersetzbar ($ 30/gel, 5-minütige Swap). Der Sensorkörper ist ungefähr 25x25x30 mm groß, so dass er für Parallelanfanggeräte geeignet ist, aber zu sperrig für mehrfingerfähige, geschickte Hände.

Beste für: Forschung zur Einstufung von Oberflächentexturen, Objektspositionsschätzung durch Berührung und Lernen von Kontakt-rich Politiken.

Beschränkung: Die 30 fps Bildschraubrate und die ~10 ms USB-Latenzgrenze für Echtzeitreaktiv-Grippering.

DIGIT (Meta AI)

DIGIT ist ein kompakter Vision-basierter Sensor, der von Meta AI entwickelt wurde. Er ist kleiner als GelSight Mini (20x27x18 mm) und produziert 320x240 Bilder mit 60 fps. DIGIT wurde speziell für die geschickte Handintegration entwickelt und passt an die Fingerspitze der Allegro Hand.

Beste für: Mehrere Finger-Handhabung. Der kompakte Formfaktor und die höhere Bildrate machen es besser geeignet für reaktives Greifen als GelSight Mini.

Beschränkung: Das Gel ist nicht nutzerveränderbar (Werkdienst erforderlich). Niedrigere Auflösung als das GelSight Mini.

Paxini Gen3

Paxini-Taktsensoren verwenden piezoresistive Arrays, die ein 16x16-Taxel-Gitter bei 100 Hz bieten. Das dünne Film-Design (2 mm-Profil) entspricht kurven Fingerspitzflächen und ist damit kompatibel mit geschickten Händen wie der [Orca Hand] (T13). Im Gegensatz zu visionbasierten Sensoren haben Paxini-Arrays keine beweglichen Teile und kein Gel zum Ersetzen, was eine Haltbarkeit von 100K+ im Produktionszyklus ermöglicht.

Beste für: Produktionsmanipulationssysteme, Datenerhebung mit hohem Zyklus und Anwendungen, die eine lange Sensorlebensdauer erfordern.

RCSV-Verfügbarkeit: Paxini-Sensoren sind im RCSV aufbewahrt und zur Integration mit [OpenArm 1]T14) und Orca Hand-Plattformen verfügbar. Vorkonfigurierte, taktile ausgestattete Arme sind über unser [Leasingprogramm]T15) ab $ 1.200/Monat erhältlich.

BioTac SP (aufgeschaltet)

BioTac war der Goldstandard für multimodelle taktile Sensing: 19 Kraft-Taxel, 19 Impedanzgelektroide (für die Erkennung von Objektmaterial), ein Hydrophon (für Vibration/Slip bei 2,2 kHz) und ein Thermistor. Kein aktueller Sensor entspricht seiner Breite der Modalitäten. SynTouch hörte jedoch 2023 auf zu arbeiten, und BioTac-Einheiten sind nicht mehr verfügbar. Bestehende Benutzer sollten eine Migration planen.

Migrationsweg: Für Kraft-Nur-Anwendungen sind Paxini Gen3 oder Xela uSkin direkte Ersatzstoffe. Für die Aufdeckung von Schlüpfen verwenden Sie Paxini bei 100 Hz mit Druckderivaten-Schwelle. Für Impedanz (Materialklassifizierung) gibt es keinen direkten Ersatz - stattdessen verwenden Sie auf Sicht basierende Methoden.

ROS2-Integration

Die taktilen Sensoren veröffentlichen Daten unter Verwendung von zwei Hauptmessendypen ROS2, je nach Sensortechnologie:

Sensor Type ROS2 Message Topic Example Notes
Vision-based (GelSight, DIGIT) sensor_msgs/Image /gelsight/image_raw Standard camera image; process with OpenCV or CNN
Array (Paxini, Xela) sensor_msgs/Image (16UC1) /paxini/pressure_image 16-bit grayscale; each pixel = one taxel pressure
Array (3-axis, Xela) geometry_msgs/WrenchStamped[] /xela/tactile Per-taxel 3-axis force (normal + shear) 
# Example: Subscribe to Paxini tactile data in ROS2 Python
import rclpy
from rclpy.node import Node
from sensor_msgs.msg import Image
import numpy as np
from cv_bridge import CvBridge

class TactileListener(Node):
    def __init__(self):
        super().__init__('tactile_listener')
        self.bridge = CvBridge()
        self.sub = self.create_subscription(
            Image, '/paxini/pressure_image', self.callback, 10)

    def callback(self, msg):
        # Convert 16-bit grayscale image to numpy array (16x16)
        pressure = self.bridge.imgmsg_to_cv2(msg, '16UC1')
        total_force = np.sum(pressure) * 0.01  # scale to Newtons
        max_taxel = np.max(pressure)
        # Detect slip: check if pressure gradient exceeds threshold
        gradient = np.gradient(pressure)
        slip_detected = np.max(np.abs(gradient)) > 500
        self.get_logger().info(
            f'Force: {total_force:.1f}N, Max: {max_taxel}, Slip: {slip_detected}')

Kalibrierungsprozedur

Die Tastsensorkalibrierung erfasst die Rohsensorenwerte auf physische Kraftwerte (Newton). Ohne Kalibrierung können Sie relative Druckänderungen erkennen, können aber nicht auf eine Zielkraft steuern.

Szenos für die Erfassung von Daten

  1. Erfassen Sie Referenzbilder: Aufnehmen Sie das Sensorbild ohne Kontakt (Hintergrund). Dies dient als Referenz für das photometrische Stereo.
  2. ** Bekannte Belastungen:** Drücken Sie eine flache Oberfläche mit einem präzisen Kraftmessgerät (Mark-10 M5-10, $400) an 5, 10, 15, 20, 25, 30 N. Aufzeichnen Sie das Gelbild bei jeder Belastung.
  3. Fit Kalibrierkurve: Berechnen Sie die durchschnittliche Pixelintensitätsänderung in der Kontaktregion für jede Last.
  4. Gelassene Datum: 3 bekannte Zwischenbelastungen anwenden und überprüfen, ob die vorhergesagte Kraft innerhalb von 10% der tatsächlichen Kraft liegt.

Piezoresistive Arrays (Paxini)

  1. Null-Offset: 100 Bilder ohne Kontakt aufnehmen. Durchschnittlich und als Null-Offset pro Taxel speichern.
  2. Einzelpunktkalibrierung: Verwenden Sie eine bekannte verteilte Last (Flatplate + 500g Gewicht = 4,9 N über die Arrayfläche).
  3. Mehrpunktkalibrierung (optional, höhere Genauigkeit): Bei 3-5 Lastniveaus wiederholen und eine lineare oder polynomalische Kalibrierungskurve pro Taxel einrichten.
  4. Temperaturkompensation: Piezoresistive Sensoren treten mit der Temperatur ab. Wenn sie bei unterschiedlichen Umgebungstemperaturen arbeiten, wiederholen Sie die Null-Offset-Messung alle 30 Minuten oder führen Sie eine kontinuierliche Offset-Tracking während der nichtkontaktbedingten Phasen durch.

Beste Methoden zur Kalibrierung

  • Kalibrieren Sie die Temperatur und Feuchtigkeit, in denen Sie arbeiten.
  • Bei Vision-basierten Sensoren wird nach jedem Gel-Austausch neu kalibriert.
  • Speichern Sie Kalibrierdaten neben Ihrem Datensatz (in den HDF5-Metadaten), damit die Nachströmung bei Bedarf erneut kalibriert werden kann.
  • Die Kalibrierung der Produktionssysteme wird wöchentlich überprüft.

Rahmen für die Auswahlentscheidungen

Verwenden Sie diese Entscheidungsschutzregeln, um Ihre Wahl zu beschränken:

Your Requirement Best Choice Why
Maximum surface detail (texture, geometry) GelSight Mini Highest spatial resolution (30 um/pixel)
Compact for dexterous hand fingertips DIGIT or Paxini Gen3 Smallest form factors (18-20 mm width)
Production durability (100K+ cycles) Paxini Gen3 No gel to replace, solid-state construction
3-axis force (shear + normal) Xela uSkin Per-taxel 3-axis measurement for slip vector
Lowest cost for research prototyping 9DTact (DIY) Open-source design, ~$200 in parts
Fast sampling for reactive control RoboSkin (PPS) 1000 Hz for high-bandwidth force control
Works with CNN/ViT learning pipelines GelSight or DIGIT Image output directly compatible with vision models

Integration mit RCSV-Hardware

RCSV hat die Integration von Touchsensoren mit unseren Hardware-Plattformen bestätigt:

  • OpenArm 1 ($4,500, 6-DOF, 500g Nutzlast): Unterstützt GelSight Mini und Paxini Gen3 auf dem Parallel-Klauch-Greifer. Die 500g Nutzlast beherbergt Sensorgewicht (GelSight: 45g pro Finger, Paxini: 8g pro Finger).
  • Orca Hand: Paxini Gen3 Sensoren sind aufgrund ihres dünnen Profils die empfohlene Wahl. Jede der 5 Fingerspitze ist mit einem 16x16-Ansatz ausgestattet. Der Orca Hand-Treiberknoten veröffentlicht alle 5 taktilen Ströme gleichzeitig auf getrennten Themen.
  • DK1 Bimanual: Dual OpenArm-Setup mit synchronisierter taktiler Aufzeichnung auf beiden Griffschlägen.

Alle auf RCSV erhobenen taktilen Daten sind über die [Datenplattform] (T19) zugänglich, wo Sie Kontaktmuster visualisieren, Episoden nach taktilen Ereignissen filtern und synchronisierte multimodale Datensätze herunterladen können.