ロボット向けタクチルセンサー:ゲルサイティング vs DIGIT vs パキシン
ロボット操作のための触感センサーの比較:ゲルサイートミニ,DIGIT,Paxini,BioTac. 解析度,コスト,統合複雑性.
ロボット操作 に 関する タクシルの 感知 が 必要 な の は なぜ です か
視覚 は ロボット に 物体 の 位置 を 伝え て い ます.触覚 感知 は 物体 の 気持ち を 伝え て い ます.この 区別 は 重要 です.カメラ は 握り が 滑り 行く か,物体 が 形形化 でき ない か,脆弱 な 物体 に どの よう な 力 が 施さ れ て いる か を 検出 でき ない. 研究は一貫して タクシルのフィードバックを追加することで 視覚のみの政策と比較して 新しい物体での把握成功率を 15-30% 向上させることが示されています
タクチルセンサー市場は2020年以来爆発的に拡大しており,視覚ベースのタクチルセンサー (GelSight, DIGIT) は研究ラボに高解像度タッチデータを500ドル以下で利用できるようになりました.このガイドは主要なオプションを比較し,操作作業のために適切なセンサーを選択するのに役立ちます.
RCSVは触覚センサーを我々の [データ収集パイプライン] (T2
タクチルセンサーの働き原理
タクシルのセンサーは4つの主要な技術ファミリーに分類され,それぞれ解像度,耐久性,データ形式の異なるトレードオフがあります.
1.視力ベースの触覚センサー (GelSight, DIGIT, 9DTact)
変形性エラストomerパッドは物体に圧縮される. 変形パターンを透明ジェルを通してエラストomerの後ろにあるカメラが撮影する. イメージ処理 (光学ステレオ) は変形画像を高解像度深度地図と接触幾何学に変換する.
- 解像度: 非常に高い - ミリメートル以下空間解像度 (カメラピクセルで制限される,通常はピクセルあたり25~50um)
- 輸出: RGB画像 (320x240~640x480) が接触幾何学をコードする.また深度地図を統合することで正常な力を得ることができる.
- メリット: 豊富な幾何学的情報,安価なカメラハードウェア,学習のための標準のCNNパイプラインと動作する.
- **デメリット:**ゲルエラストomerは,使用済 (交換前に500
5000回接触周期),薄膜センサーと比較して大きくなって,フレーム速度は限られている (3060 fps).
2. 抵抗性/ピエゾレシシスト・アレイ (Paxini, RoboSkin)
圧力感受性のある要素 (タケル) のグリッドは,適用された力の下で電気抵抗を変化させます.各タケルは独立して読み取られ,イメージに類似した圧力地図を作成します.
- 解像度: 適度な - 2-5 mm のタックセルピッチで,指先あたり 8x8 から 16x16 のマレイを出す.
- 輸出: 2D圧力マレイ (税金単位に力に比例する整数値) ROS2でしばしば灰色の画像として公開される.
- **利点:**薄いプロファイル (1-3 mm),耐久性 (100K+サイクル),迅速なサンプリング (100-1000 Hz),曲面に適合する.
- デメリット: 視力ベースのセンサーよりも空間解像度が低いため,精密な力測定のために1センサーの校准が必要である.
3.容量センサー (BioTac,Xela)
圧力の下で圧縮可能なダイエレクトリック変化容量によって分離された2つの導電層.BioTacは,温度と振動を感知する液体で満たされたエラストomerジャケットを追加します.
- **解像度:**低温度 - BioTacには19のタセルと阻害電極があります. Xelaは高密度マレイ (4mmピッチ) を提供します.
- 出力: 多モダルの:力 +振動 (滑り検出のための高周波AC信号) +温度.
- メリット: 多様式センサー,研究で証明された (1000以上の論文でBioTacを引用している).
- **デメリット:**BioTacは停止 (SynTouchは2023年に運用を停止した).
4. 光波導体/繊維センサー
光は光ファイバーまたは波導体を通して伝播する.接触による変形は光伝送特性 (強度,波長,または相) を変化させる.主に電気干渉が問題となる医療ロボットやソフトグリッパーで使用される.
- メリット: MRI対応で電磁気干渉に免疫がある.
- デメリット: 信号処理が複雑で,ロボット技術が商業的に利用可能でない.
タクチルセンサー比較表
| 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 |
詳細なセンサープロフィール
ゲルサイティングミニ
GelSight Mini (MITのスピンオフ) は,研究で最も広く使用されている視力ベースの触覚センサーである.30fpsで640x480RGB画像を出力し,サブミリメートル表面幾何学をコードする.エラストomerゲルは交換可能である ($30/ゲル,5分間の交換). センサーボディは約25x25x30mmで,並行爪のグリッパーには適しているが,多指の巧妙な手には大きすぎる.
**面質の分類,触覚によるオブジェクトポーズ推定,接触豊富なポリシーを学ぶ研究.画像出力は標準視野CNNとVITと直接動作します.
制限: 30 fps の フレーム 速度 と ~ 10 ms の USB 遅延 制限 リアル タイム 反応 式 把握.スライド 検出 に は 少なくとも 100 Hz が 必要 です.
デジタル (メタAI)
DIGITはMeta AIによって開発されたコンパクトの視力ベースのセンサーである.GelSight Mini (20x27x18mm) より小さいもので,60fpsで320x240の画像を生成する.DIGITは,精巧なハンド統合のために特別に設計され,アレグロハンドの指先に収まる.
**数指の巧妙な操作研究に最適. 形状のコンパクトとフレーム速度は,GelSight Miniよりも反応性握りに適しています.
制限: ジェルは使用者に代わるものではありません (工場サービスが必要です). 解像度はGelSight Miniより低い. 商業的な利用可能性制限 - 調達は4~8週間かかる.
パクシニ Gen3
パキニ触覚センサーは,100 Hzで16x16のタクセルグリッドを提供するピエゾレスティヴな配列を使用します.薄膜設計 (2 mm プロフィール) は曲げな指尖の表面に適合し, [オルカハンド] (
**生産操作システム,高機能サイクルデータ収集,および長時間センサー使用を要求するアプリケーションに最適.100Hzのサンプル速度は圧縮梯度分析を通じて滑り検出を可能にします.
RCSVの利用可能性: パキスニセンサーはRCSVに備えており,OpenArm1 (OpenArm1)
BioTac SP (終了)
BioTacは多モダルの触覚センサーの黄金標準でした. 19 つのフォースタックセル,19 つの阻害電極 (オブジェクト物質検出),水音機 (振動/滑動で2.2 kHz) と温度計.現在のセンサーはその方法の幅に匹敵しません.しかし,SynTouch は2023年に運用を停止し, BioTac ユニットはもはや新しいものではありません.既存のユーザーは移行を計画する必要があります.
移動経路: フォースのみのアプリケーションでは,Paxini Gen3またはXela uSkinは直接の代替品です.スリップ検出のために,圧力の導演しきい値を持つ100HzでPaxiniを使用してください.阻害性 (材料分類) に対して,直接の代替品はありません.視力ベースの方法を使用してください.
ROS2 統合
タクシルのセンサーは,センサー技術によって,ROS2メッセージの2つの主要なタイプを使用してデータを公開します.
| 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}')
校正手順
タクチルセンサー校正は,物理力値 (ニュートン) に原始センサー読み値を映射する.校正がなければ,相対的な圧力変化を検出できるが,標的力に制御できない.
視力ベースのセンサー (GelSight, DIGIT)
- 参照画像を収集する: センサー画像を接触なし (背景) で記録する.これは光学ステレオの参照として機能する.
- 知られた負荷: 5, 10, 15, 20, 25, 30 N で精度強度計 (Mark-10 M5-10, $400) を使ってジェルに対して平面な表面を押す.
- フィットカリブレーション曲線: 各負荷の接触領域におけるピクセル強度変化を計算する.多項式 (通常は四方形) のマッピング強度変化を強みに調整する. カリブレーションファイルとして保存する.
- 有効期限: 3つの既知の中間負荷を適用し,予測される力が実際の力の10%以内に確認します.
皮ゼレシシティブ・アレイ (Paxini)
- ゼロオフセット: 100枚のフレームを記録する.平均してタクセル1分のゼロオフセットとして保存する.これらを将来の読み出しから引いてください.
- **単点校準:**既知の分布式負荷 (平板 + 500g重量 =マレイ面積の4.9 N) を適用する. 100フレームを記録し,タクセル単位スケール因子を計算して,校準式のタクセル総数は4.9 N に等しい.
- 多点校正 (オプションで,より高い精度): 3-5 の負荷レベルで繰り返し,タクセルあたり線形または多項式校正曲線を調整する.これはタクセルからタクセルまでの感度の変化を考慮する.
- 温度補償: 皮ゾレシスティブセンサーは温度によって漂流する.環境温度が変化する場合は,30分ごとにゼロオフセット測定を繰り返すか,接触しない段階では連続的にオフセット追跡を行う.
校準 実施 の 最善の 慣行
- 操作する場所の温度と湿度に準拠する
- 視力センサーでは,ゲルの交換ごとに再校定します.
- 標準化データ (HDF5 メタデータ) をデータセットに並べて保存し,下流処理が必要に応じて再校定できるようにします.
- 生産システムについては週に1回校準をチェックします. 漂流量 > 15%はセンサーの劣化を示します.
選択決定の枠組み
選択を絞るには,以下の決策規則を使用してください.
| 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 |
RCSV ハードウェアへの統合
RCSVはタクティルのセンサーをハードウェアプラットフォームに統合した
- OpenArm 1 ($4,500,6-DOF,500gの有用荷): 平行爪柄グリッパーでGelSight MiniとPaxini Gen3をサポートする.500gの有用荷はセンサー重量 (GelSight:指45g,Paxini:指8g) を容納する.ROS2起動ファイルにはタクチルトピックのデフォルトレイトが含まれます.
- オルカハンド: パクシニ Gen3センサーは,薄いプロフィールにより推奨される選択です. 5本の指先のそれぞれは16x16の配列で装備されています.オルカハンドドライバーノードは,それぞれのトピックで5つのタクチルストリームを同時に公開します.
- DK1 Bimanual: 両グリッパーで同期タクティブ記録を搭載したダブルオープンアームセットアップ. [データサービス]
T9 ) パイプラインは,模倣学習のためにカメラとコモンストートステートデータとともにタクティブデータをHDF5フォーマットで記録します.
RCSVで収集されたすべてのタクティブデータは [データプラットフォーム] (T10
ロボット操作 に 関する タクシルの 感知 が 必要 な の は なぜ です か
視覚 は ロボット に 物体 の 位置 を 伝え て い ます.触覚 感知 は 物体 の 気持ち を 伝え て い ます.この 区別 は 重要 です.カメラ は 握り が 滑り 行く か,物体 が 形形化 でき ない か,脆弱 な 物体 に どの よう な 力 が 施さ れ て いる か を 検出 でき ない. 研究は一貫して タクシルのフィードバックを追加することで 視覚のみの政策と比較して 新しい物体での把握成功率を 15-30% 向上させることが示されています
タクチルセンサー市場は2020年以来爆発的に拡大しており,視覚ベースのタクチルセンサー (GelSight, DIGIT) は研究ラボに高解像度タッチデータを500ドル以下で利用できるようになりました.このガイドは主要なオプションを比較し,操作作業のために適切なセンサーを選択するのに役立ちます.
RCSVは触覚センサーを我々の [データ収集パイプライン] (T11
タクチルセンサーの働き原理
タクシルのセンサーは4つの主要な技術ファミリーに分類され,それぞれ解像度,耐久性,データ形式の異なるトレードオフがあります.
1.視力ベースの触覚センサー (GelSight, DIGIT, 9DTact)
変形性エラストomerパッドは物体に圧縮される. 変形パターンを透明ジェルを通してエラストomerの後ろにあるカメラが撮影する. イメージ処理 (光学ステレオ) は変形画像を高解像度深度地図と接触幾何学に変換する.
- 解像度: 非常に高い - ミリメートル以下空間解像度 (カメラピクセルで制限される,通常はピクセルあたり25~50um)
- 輸出: RGB画像 (320x240~640x480) が接触幾何学をコードする.また深度地図を統合することで正常な力を得ることができる.
- メリット: 豊富な幾何学的情報,安価なカメラハードウェア,学習のための標準のCNNパイプラインと動作する.
- **デメリット:**ゲルエラストomerは,使用済 (交換前に500
5000回接触周期),薄膜センサーと比較して大きくなって,フレーム速度は限られている (3060 fps).
2. 抵抗性/ピエゾレシシスト・アレイ (Paxini, RoboSkin)
圧力感受性のある要素 (タケル) のグリッドは,適用された力の下で電気抵抗を変化させます.各タケルは独立して読み取られ,イメージに類似した圧力地図を作成します.
- 解像度: 適度な - 2-5 mm のタックセルピッチで,指先あたり 8x8 から 16x16 のマレイを出す.
- 輸出: 2D圧力マレイ (税金単位に力に比例する整数値) ROS2でしばしば灰色の画像として公開される.
- **利点:**薄いプロファイル (1-3 mm),耐久性 (100K+サイクル),迅速なサンプリング (100-1000 Hz),曲面に適合する.
- デメリット: 視力ベースのセンサーよりも空間解像度が低いため,精密な力測定のために1センサーの校准が必要である.
3.容量センサー (BioTac,Xela)
圧力の下で圧縮可能なダイエレクトリック変化容量によって分離された2つの導電層.BioTacは,温度と振動を感知する液体で満たされたエラストomerジャケットを追加します.
- **解像度:**低温度 - BioTacには19のタセルと阻害電極があります. Xelaは高密度マレイ (4mmピッチ) を提供します.
- 出力: 多モダルの:力 +振動 (滑り検出のための高周波AC信号) +温度.
- メリット: 多様式センサー,研究で証明された (1000以上の論文でBioTacを引用している).
- **デメリット:**BioTacは停止 (SynTouchは2023年に運用を停止した).
4. 光波導体/繊維センサー
光は光ファイバーまたは波導体を通して伝播する.接触による変形は光伝送特性 (強度,波長,または相) を変化させる.主に電気干渉が問題となる医療ロボットやソフトグリッパーで使用される.
- メリット: MRI対応で電磁気干渉に免疫がある.
- デメリット: 信号処理が複雑で,ロボット技術が商業的に利用可能でない.
タクチルセンサー比較表
| 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 |
詳細なセンサープロフィール
ゲルサイティングミニ
GelSight Mini (MITのスピンオフ) は,研究で最も広く使用されている視力ベースの触覚センサーである.30fpsで640x480RGB画像を出力し,サブミリメートル表面幾何学をコードする.エラストomerゲルは交換可能である ($30/ゲル,5分間の交換). センサーボディは約25x25x30mmで,並行爪のグリッパーには適しているが,多指の巧妙な手には大きすぎる.
**面質の分類,触覚によるオブジェクトポーズ推定,接触豊富なポリシーを学ぶ研究.画像出力は標準視野CNNとVITと直接動作します.
制限: 30 fps の フレーム 速度 と ~ 10 ms の USB 遅延 制限 リアル タイム 反応 式 把握.スライド 検出 に は 少なくとも 100 Hz が 必要 です.
デジタル (メタAI)
DIGITはMeta AIによって開発されたコンパクトの視力ベースのセンサーである.GelSight Mini (20x27x18mm) より小さいもので,60fpsで320x240の画像を生成する.DIGITは,精巧なハンド統合のために特別に設計され,アレグロハンドの指先に収まる.
**数指の巧妙な操作研究に最適. 形状のコンパクトとフレーム速度は,GelSight Miniよりも反応性握りに適しています.
制限: ジェルは使用者に代わるものではありません (工場サービスが必要です). 解像度はGelSight Miniより低い. 商業的な利用可能性制限 - 調達は4~8週間かかる.
パクシニ Gen3
パキニ触覚センサーは,100 Hzで16x16のタクセルグリッドを提供するピエゾレスティヴな配列を使用します.薄膜のデザイン (2 mm プロフィール) は曲げな指尖の表面に適合し, [オルカハンド] (
**生産操作システム,高機能サイクルデータ収集,および長時間センサー使用を要求するアプリケーションに最適.100Hzのサンプル速度は圧縮梯度分析を通じて滑り検出を可能にします.
RCSV利用可能: PaxiniセンサーはRCSVで備蓄されており, [OpenArm 1]
BioTac SP (終了)
BioTacは多モダルの触覚センサーの黄金標準でした. 19 つのフォースタックセル,19 つの阻害電極 (オブジェクト物質検出),水音機 (振動/滑動で2.2 kHz) と温度計.現在のセンサーはその方法の幅に匹敵しません.しかし,SynTouch は2023年に運用を停止し, BioTac ユニットはもはや新しいものではありません.既存のユーザーは移行を計画する必要があります.
移動経路: フォースのみのアプリケーションでは,Paxini Gen3またはXela uSkinは直接の代替品です.スリップ検出のために,圧力の導演しきい値を持つ100HzでPaxiniを使用してください.阻害性 (材料分類) に対して,直接の代替品はありません.視力ベースの方法を使用してください.
ROS2 統合
タクシルのセンサーは,センサー技術によって,ROS2メッセージの2つの主要なタイプを使用してデータを公開します.
| 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}')
校正手順
タクチルセンサー校正は,物理力値 (ニュートン) に原始センサー読み値を映射する.校正がなければ,相対的な圧力変化を検出できるが,標的力に制御できない.
視力ベースのセンサー (GelSight, DIGIT)
- 参照画像を収集する: センサー画像を接触なし (背景) で記録する.これは光学ステレオの参照として機能する.
- 知られた負荷: 5, 10, 15, 20, 25, 30 N で精度強度計 (Mark-10 M5-10, $400) を使ってジェルに対して平面な表面を押す.
- フィットカリブレーション曲線: 各負荷の接触領域におけるピクセル強度変化を計算する.多項式 (通常は四方形) のマッピング強度変化を強みに調整する. カリブレーションファイルとして保存する.
- 有効期限: 3つの既知の中間負荷を適用し,予測される力が実際の力の10%以内に確認します.
皮ゼレシシティブ・アレイ (Paxini)
- ゼロオフセット: 100枚のフレームを記録する.平均してタクセル1分のゼロオフセットとして保存する.これらを将来の読み出しから引いてください.
- **単点校準:**既知の分布式負荷 (平板 + 500g重量 =マレイ面積の4.9 N) を適用する. 100フレームを記録し,タクセル単位スケール因子を計算して,校準式のタクセル総数は4.9 N に等しい.
- 多点校正 (オプションで,より高い精度): 3-5 の負荷レベルで繰り返し,タクセルあたり線形または多項式校正曲線を調整する.これはタクセルからタクセルまでの感度の変化を考慮する.
- 温度補償: 皮ゾレシスティブセンサーは温度によって漂流する.環境温度が変化する場合は,30分ごとにゼロオフセット測定を繰り返すか,接触しない段階では連続的にオフセット追跡を行う.
校準 実施 の 最善の 慣行
- 操作する場所の温度と湿度に準拠する
- 視力センサーでは,ゲルの交換ごとに再校定します.
- 標準化データ (HDF5 メタデータ) をデータセットに並べて保存し,下流処理が必要に応じて再校定できるようにします.
- 生産システムについては週に1回校準をチェックします. 漂流量 > 15%はセンサーの劣化を示します.
選択決定の枠組み
選択を絞るには,以下の決策規則を使用してください.
| 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 |
RCSV ハードウェアへの統合
RCSVはタクティルのセンサーをハードウェアプラットフォームに統合した
- OpenArm 1 ($4,500,6-DOF,500gの有用荷): 平行爪柄のグリッパーでGelSight MiniとPaxini Gen3をサポートする.500gの有用荷はセンサー重量 (GelSight:指45g,Paxini:指8g) を容納する.ROS2起動ファイルにはデフォルトでタクティブトピックの記録が含まれます.
- オルカハンド: パキスニ Gen3センサーは,薄いプロフィールにより推奨される選択です. 5本の指先のそれぞれは16x16の配列で装備されています.オルカハンドドライバーノードは,それぞれのトピックで5つのタクチルストリームを同時に公開します.
- DK1 Bimanual: 両グリッパーで同期タクティブレコーディングを搭載したダブルオープンアームセットアップ. [データサービス] (T18
) パイプラインは,模倣学習のために,カメラとコモンストート状態データとともにタクティブデータをHDF5形式で記録します.
RCSVで収集されたすべてのタクティブデータは [データプラットフォーム] (T19