机器人触觉传感器:GelSight vs DIGIT vs PaXini

为什么触觉感应对机器人操纵有关键

视觉告诉机器人物体在哪里.触觉感觉告诉它物体感觉如何. 这种区别至关重要:相机无法检测是否会滑动,物体是否可变化,或者对脆弱物体施加多少力. 研究一直表明,添加触觉反可以提高在新物体上的把握成功率15-30%,

自2020年以来,触觉传感器市场已经爆炸,基于视觉触觉传感器 (GelSight, DIGIT) 使高分辨率触觉数据可用于研究实验室以500美元以下的价格.本指南将领先的选项进行比较,并帮助您选择适合操作任务的传感器.

通过我们的 [租计划] 提供预先配置的触觉设备.

触觉传感器工作原理

触觉传感器分为四种主要技术家族,每个技术具有分辨率,耐用性和数据格式的不同差异:

基于视觉的触觉传感器 (GelSight, DIGIT, 9DTact)

形弹性片被压到物体上.形片后面的摄像头通过透明凝拍摄了变形图案.图像处理 (光学立体音频) 将变形图像转化为高分辨率深度地图和接触几何.

解析度:** 极高 - - 毫米以下空间分辨率 (仅限于摄像头像素,通常每像素25-50um).
输出: RGB图像 (320x240至 640x480) 编码接触几何.
**优势:**丰富的几何信息,廉价的摄像头硬件,与标准的CNN管道进行学习.
**缺点:**凝弹性质耗尽 (在更换之前500至5000次接触周期),与薄膜传感器相比大,速有限 (30-60fps).

2. 抗性/皮性阵列 (Paxini, RoboSkin)

压力敏感元素的电网 (taxel) 在应用的力下改变电阻.每个 taxel 独立读取,产生类似图像的压力地图.

分辨率: 适度 - 杆幅2-5mm,每指尖为8x8至16x16阵列.
输出: 2D压力阵列 (成数值与每个分数的强力相比例).
**优势:**薄型 (1-3mm),耐用性高 (100K+周期),快速采样 (100-1000Hz),符合曲面.
**缺点:**比基于视觉的传感器更低的空间分辨率,需要每传感器校准以准确测量力.

3. 容量传感器 (BioTac,Xela)

生物塔克增加了一个充满液体的弹性克,它也可以感知温度和振动.

**解析度:**低温--BioTac有19个电池带加上阻力电极.Xela提供更高密度阵列 (4mm的音响).
**输出:**多模特:力+振动 (高频交流信号用于发现滑动) +温度.
**优势:**多模式传感,在研究中得到证实 (1000多篇论文引用BioTac).
缺点: 生物塔克已停产 (SynTouch于2023年停止运营).

4. 光波导/纤维传感器

光通过光纤或波导传播.接触变形改变光传输特性 (强度,波长或相).主要用于医疗机器人和软抓住器,电动干扰是个问题.

**优势:**与MRI兼容,不受电磁干扰.
缺点: 复杂的信号处理,机器人商业可用性有限.

触觉传感器比较表

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

详细的传感器配置文件

光迷你

基尔视讯公司的GelSight Mini (MIT衍生品) 是研究中最广泛使用的基于视觉的触觉传感器.它以30fps输出640x480RGB图像,编码了微毫米表面几何.弹性凝可替换 (30美元/凝,5分钟交换). 传感器体积大约为25x25x30毫米,使其适合平行手,但对于多指的精英手来说太大.

**最适合:**研究表面纹理分类,对象姿势估计从触摸,学习接触丰富的政策.

限制: 30 fps 镜像速度和 ~ 10 ms USB 延迟限制实时反应式抓取.

数字化 (Meta AI)

戴吉特是一款由Meta AI开发的紧的视觉传感器.它比GelSight Mini (20x27x18mm) 较小,以60fps的速度产生320x240图像.

**最适合:**多指的精巧操纵研究. 紧的形状因子和更高的速使其比GelSight Mini更适合反应式抓取.

限制: 凝不能被用户替换 (需要工厂服务).比GelSight Mini更低分辨率.有限的商业可用性 - 采购可能需要4-8周.

帕克西尼 Gen3

帕克西尼触觉传感器使用了缩性阵列,以提供16x16的轮格格在100Hz.薄膜设计 (2mm的配置文件) 符合曲线的指尖表面,使其与像Orca Hand这样的巧妙手相兼容.与基于视觉的传感器不同,帕克西尼阵列没有移动部件和没有来替代,提供了100K+的生产周期耐用性,使其可行.

**最适合:**生产操纵系统,高功率循环数据收集和需要长度传感器使用寿命的应用. 100 Hz 样品速率通过压力梯度分析可检测滑动.

RCSV可用性: Paxini传感器在RCSV库存,可与 [OpenArm 1]T5) 和Orca Hand平台集成.预配置的触觉设备的手臂可通过我们的 [租计划]T6) 从每月1200美元开始.

生物泰克SP (已停产)

生物塔克是多模特触觉传感器的黄金标准:19个力,19个阻抗电极 (用于检测对象材料),一个水电话 (用于振动/滑动在2.2kHz),和一个热敏仪.没有当前传感器匹配其模式的宽度.然而,SynTouch在2023年停止运营,BioTac单元不再可用.现有用户应该计划迁移.

**迁移路径:**对于仅使用力而使用的Paxini Gen3或Xela uSkin是直接替代的.用于发现滑动,使用Paxini在100Hz的压力衍生值.对于阻抗 (材料分类),没有直接替代的 - - 使用基于视觉的方法.

系统集成

触觉传感器根据传感器技术使用两个主要的ROS2消息类型发布数据:

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}')

校准程序

触觉传感器校准将原始传感器读数映射到物理力值 (纽顿).没有校准,你可以检测到相对压力变化,但无法控制到目标力.

基于视觉的传感器 (GelSight, DIGIT)

**收集参考图像:**记录无接触传感器图像 (背景). 这作为光学立体音频的参考.
**已知负载:**使用精度力度测量器 (Mark-10 M5-10, $400) 按 5, 10, 15, 20, 25, 30 N. 每次负载时记录凝图像.
**适应校准曲线:**计算每个负载的接触区域中平均像素强度变化.将多项式 (通常是方形) 映射强度变化调整到强度.作为校准文件存储.
验证日期: 应运用已知3个中间负载,验证预测的力量在实际的10%内.

皮泽西斯蒂夫阵列 (Paxini)

**零偏移:**记录100个没有接触的图片.平均并将其存储为每分素零偏移.将其从所有未来的读数中减去.
单点校准: 应用已知分布式负载 (平板板+500g重量 = 4.9N) 在阵列面积上.记录100个,并计算每分尺度因子,使分分的总和等于4.9N.
**多点校准 (可选,更高精度):**在3-5个负载水平重复,并按每分线性或多分度校准曲线进行.这导致分至分敏感度变化.
温度补偿: 性传感器随温度而漂移. 如果在环境温度变化下运行,每30分钟重复零偏移测量或在非接触阶段进行连续偏移跟踪.

校准最佳实践

根据您将在操作的温度和湿度进行校准.
对于基于视觉的传感器,每次取代凝后重新校准.
存储校准数据与数据集 (在HDF5元数据中) 一起,以便下游处理在需要时重新校准.
检查生产系统的校准每周. 漂移> 15% 表示传感器降解.

选择决策框架

通过以下决定规则,限制您的选择:

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

与RCSV硬件集成

斯威尔克已经验证了与我们的硬件平台的触觉传感器集成:

**OpenArm 1 ($4,500,6-DOF,500g有效载荷):**支持GelSight Mini和Paxini Gen3在平行爪抓住器上.500g有效载荷容纳传感器重量 (GelSight:每手指45g,Paxini:每手指8g).ROS2发射文件包括默认触摸主题记录.
**鱼手:**由于其薄型的配置,Paxini Gen3传感器是推的选择.每一个5个指尖都配备了16x16阵列.Orca Hand驱动节点同时发布了所有5个触觉流程.
**DK1双手:**双开臂设置,同时在两种抓住器上都进行触摸记录.我们的数据服务管道记录触摸数据,以及相机和联合状态数据,以HDF5格式进行模仿学习.

在RCSV收集的所有触摸数据都可以通过 [数据平台]T10访问,您可以可查看接触模式,按触摸事件过事件,并下载同步的多模式数据集.