CN110383025B - 具有弹性体泡沫的传感器及其用途 - Google Patents
具有弹性体泡沫的传感器及其用途 Download PDFInfo
- Publication number
- CN110383025B CN110383025B CN201880015897.1A CN201880015897A CN110383025B CN 110383025 B CN110383025 B CN 110383025B CN 201880015897 A CN201880015897 A CN 201880015897A CN 110383025 B CN110383025 B CN 110383025B
- Authority
- CN
- China
- Prior art keywords
- sensor
- light
- elastomeric foam
- foam member
- receivers
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000006263 elastomeric foam Substances 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 22
- 238000010801 machine learning Methods 0.000 claims description 17
- 239000000523 sample Substances 0.000 claims description 16
- 230000003287 optical effect Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 239000013307 optical fiber Substances 0.000 claims description 10
- 230000006835 compression Effects 0.000 claims description 7
- 238000007906 compression Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims 2
- 230000004044 response Effects 0.000 claims 2
- 238000013507 mapping Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 239000006260 foam Substances 0.000 description 53
- 238000013461 design Methods 0.000 description 12
- 239000000463 material Substances 0.000 description 10
- 238000012360 testing method Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 7
- 229920002635 polyurethane Polymers 0.000 description 5
- 239000004814 polyurethane Substances 0.000 description 5
- 238000013145 classification model Methods 0.000 description 4
- 229920001971 elastomer Polymers 0.000 description 4
- 229920001296 polysiloxane Polymers 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000002745 absorbent Effects 0.000 description 2
- 239000002250 absorbent Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000806 elastomer Substances 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- DCAYPVUWAIABOU-UHFFFAOYSA-N hexadecane Chemical compound CCCCCCCCCCCCCCCC DCAYPVUWAIABOU-UHFFFAOYSA-N 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 239000004793 Polystyrene Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 239000006229 carbon black Substances 0.000 description 1
- 239000002041 carbon nanotube Substances 0.000 description 1
- 229910021393 carbon nanotube Inorganic materials 0.000 description 1
- 239000003575 carbonaceous material Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000013536 elastomeric material Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229920001821 foam rubber Polymers 0.000 description 1
- -1 for example Substances 0.000 description 1
- 230000009477 glass transition Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 229920000728 polyester Polymers 0.000 description 1
- 229920002223 polystyrene Polymers 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000009023 proprioceptive sensation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229920002631 room-temperature vulcanizate silicone Polymers 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- HBMJWWWQQXIZIP-UHFFFAOYSA-N silicon carbide Chemical compound [Si+]#[C-] HBMJWWWQQXIZIP-UHFFFAOYSA-N 0.000 description 1
- 229910010271 silicon carbide Inorganic materials 0.000 description 1
- 229920002545 silicone oil Polymers 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012956 testing procedure Methods 0.000 description 1
- 229920002725 thermoplastic elastomer Polymers 0.000 description 1
- 229920001187 thermosetting polymer Polymers 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L1/00—Measuring force or stress, in general
- G01L1/24—Measuring force or stress, in general by measuring variations of optical properties of material when it is stressed, e.g. by photoelastic stress analysis using infrared, visible light, ultraviolet
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
- B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
- B25J13/081—Touching devices, e.g. pressure-sensitive
- B25J13/084—Tactile sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/0304—Detection arrangements using opto-electronic means
Abstract
提供了传感器和包括一个或多个传感器的制品。还提供了传感器的用途。传感器具有弹性体泡沫和一个或多个光源以及一个或多个光接收器。在各种示例中,光源和光接收器布置在弹性体泡沫上和/或布置在弹性体泡沫中和/或部分布置在弹性体泡沫中。
Description
相关申请的交叉引用
本申请要求2017年1月10日提交的美国临时申请62/444,581的优先权,其公开在此参考并入。
技术领域
本公开总体涉及具有弹性体泡沫的传感器。更具体地,本公开涉及具有弹性体泡沫和一个或多个光源以及一个或多个光接收器的传感器。
背景技术
早先的传感器并未阐示触觉输入的高分辨率感测,不允许多孔结构的形状的直接控制,或者限于特定应用,并且对于许多种类的传感器而言,拉伸的程度(即,应变)和变形的容易性(即,顺从性)限于低应变或高刚度。因此,需要一种改进的传感器。
发明内容
本公开提供了传感器。还提供了传感器的用途(例如,使用传感器的方法)。这里公开的传感器的实施例使得用户能够使用柔性界面系统与例如计算机和机器人连接。
在一个方面中,本公开提供了传感器。传感器可以是柔性泡沫传感器。在各种示例中,传感器包括三维(“3D”)弹性体泡沫。
在一个示例中,一种传感器包括:弹性体泡沫部件(例如,在压缩时改变至少一个透光特性的弹性气泡沫);光源(例如,LED,诸如例如,红外LED、光纤等类似的及其组合),其布置在弹性体泡沫部件上、中和/或部分布置在弹性体泡沫部件中;以及光接收器(例如,光电探测器、光电二极管、光电晶体管、光敏达林顿晶体管等类似的及其组合),其布置在弹性体泡沫部件上、中或部分布置在弹性体泡沫部件中,其中来自光源的光通过透射过弹性体泡沫部件由光接收器接收(例如,以使光透射过弹性体泡沫部件的至少一部分)。在一个示例中,光源是多个光源,并且光接收器是多个光接收器。在一个示例中,多个光源和多个光接收器随机或非随机地设置(例如,非随机地设置为阵列)。
在一个方面中,本公开提供了本公开中的传感器的用途。在各种示例中,一个或多个传感器集成到各种制品中。在各种示例中,各种方法使用一个或多个传感器。在各种示例中,各种系统包括一个或多个传感器。
有用于该柔性界面的许多潜在用途。例如,设备可以用作用于传统计算机的新触摸输入。设备将接受像传统触摸屏那样但具有感测深度的额外能力的输入。该额外能力可以有益于设计软件,这允许用户给予基于所施加压力的更多信息。这可以允许数字对象的更自然图画或雕刻。
一种制品可以包括本公开的一个或多个传感器。在一个示例中,一种用于计算设备的触摸输入包括本公开的一个或多个传感器。在一个示例中,一种家用物品包括本公开的一个或多个传感器。在一个示例中,一种柔性机器人皮肤包括本公开的一个或多个传感器。在一个示例中,一种反馈系统包括本公开的一个或多个传感器。
本公开的一个或多个传感器可以用于方法中。例如,一种方法包括:向本公开的传感器施加力;以及使用例如控制器确定施加于传感器的力的位置和深度。一种方法还可以包括:使用例如控制器基于力的位置和深度生成输出,和/或将来自传感器的输出用作另一个设备(例如,计算设备、家用物品、柔性机器人皮肤、柔性机器人系统的反馈系统)中的输入。
在一个示例中,一种非瞬时性的计算机可读的存储介质包括用于在一个或多个计算设备上执行以下步骤的一个或多个程序:从本公开的传感器接收信号,其中信号对应于施加于传感器的力;以及确定施加于传感器的力的位置和深度,其中确定至少部分基于光在传感器中的光源与光接收器之间的光的透射。
附图说明
为了更完全地理解本公开的性质和对象,应对结合附图采取的以下详细描述进行参考。
图1示出了将弹性体泡沫的压缩用于降低透射的示例性压力传感器。随着泡沫塌缩,更多光被阻挡,并且跨IR接收器的电阻增大。
图2示出了产生柔性触摸传感器的弹性体泡沫的边缘周围的红外(IR)LED和接收器的示例性阵列。
图3示出了用于柔性触摸传感器的示例性电子器件(A)PCB设计;(B)安装有元件的电路板;(C)已组装的电子器件。
图4示出了示例性的已完成柔性传感器。(A)已组装的泡沫触摸传感器的截面;(B)部分组装的设备;(C)具有USB接口的密封外壳;(D)添加的弹性体泡沫和封装。
图5示出了示例性的自动化测试装置。(A)机械化指针移动到固定坐标,这模拟手指随着柔性传感器发送数据按压。(B)转换的3D打印机控制测试探针的位置。
图6是在8个不同LED状态下收集传感器数据。对于各状态,测量跨所有32个光电晶体管的电压,这产生用于各测量的256个特征。
图7是示出了作为训练样本尺寸的函数的触摸分类准确度和拟合时间的图。
图8是示出了作为训练样本尺寸的函数的预测RMSE和训练时间的图。
图9是示出了所预测的X位置和误差的图。
图10是示出了所预测的Y位置和误差的图。
图11是示出了所预测的Z深度和误差的图。
图12示出了传感器和致动器对的组件。
图13示出了用于使用光学光导测量泡沫的形状变化的光学设置。
图14示出了使用分束器来将光引导穿过光导到达泡沫中。
图15示出了使用图14的分束器来引导离开泡沫的光朝向照相机。
图16示出了对于一种变形模式,什么信号输出看起来是入射在照相机上。
具体实施方式
虽然将根据特定实施例描述所要求保护的主题,但包括不提供这里阐述的所有益处和特征的实施例的其他实施例,也在本公开的范围内。可以在不偏离本公开的范围的情况下进行各种结构、逻辑、过程步骤以及电子的改变。
这里公开了值的范围。该范围陈列了下限值和上限值。除非另外陈述,否则范围包括到最小值量级的所有值(下限值或上限值二者之一)以及所陈述范围的值之间的范围。
本公开提供了传感器。还提供了传感器的用途(例如,使用传感器的方法)。
这里公开的传感器的实施例使得用户能够使用柔性界面系统与例如计算机和机器人交互。用户能够使用沿着表面但具有深度感测的额外能力的触摸输入。该系统在能愉悦触摸的柔性系统中提供丰富的感官输入。
在一个方面中,本公开提供了传感器。传感器可以是柔性泡沫传感器。在各种示例中,传感器包括三维(“3D”)弹性体泡沫。
公开了一种柔性泡沫传感器,该柔性泡沫传感器可以基于光穿过弹性体泡沫的可变透射来测量变形,诸如例如,3D变形。一个或多个光源(例如,光电发射器,诸如例如,LED)和一个或多个探测器(例如,光电二极管)可以布置在泡沫中,以确定施加于柔性界面的力的位置和量。可以应用机器学习技术来将原始信号转换成与变形模式有关的信息。
目前公开的传感器中的触觉输入的空间分辨率可能显著高于光接收器的数量。一些实施例并不是将单个光接收器用于单个测量,而是使用多于一个光接收器,传感器数据可以输入到机器学习算法中,以基于来自多个或全部的光接收器中的读数确定触觉输入的位置。
在一个示例中,传感器具有弹性体泡沫部件。光源布置在弹性体泡沫部件上、布置在弹性体泡沫部件中或部分布置在弹性体泡沫部件中。光接收器布置在弹性体泡沫部件上、布置在弹性体泡沫部件中或部分布置在弹性体泡沫部件中。设置光源和光接收器,以通过透射过弹性体泡沫部件由光接收器接收来自光源的光的至少一部分。在一些实施例中,光源由多个光源组成。换言之,传感器可以包括多于一个光源。多个光源中的光源可以布置在弹性体泡沫上和/或布置在弹性体泡沫中和/或部分布置在弹性体泡沫中。在一些实施例中,光接收器由多个光接收器组成。换言之,传感器可以包括多于一个光接收器。多个光接收器中的光接收器可以布置在弹性体泡沫上和/或布置在弹性体泡沫中和/或部分布置在弹性体泡沫中。光源可以是红外LED或其他类型的光源,诸如例如,本发明申请描述的光源。光接收器可以是红外接收器或其他类型的光接收器,诸如例如,本发明申请描述的光接收器。光源和光接收器可以设置为阵列。光源可以设置为在弹性体泡沫部件内引导光。例如,光源和光接收器设置为在弹性体泡沫部件内引导光,以使从光源透射到接收器的光的至少一部分通过泡沫。光源和光接收器可以提供或接收可见光(400至700nm)、红外光(从700nm至1mm)或紫外光。在一个示例中,红外LED和光电晶体管在940nm下操作。
在另一个示例中,光源是布置在弹性体泡沫部件中的光纤。光纤连接到或被配置为连接到一个或多个其他光生成系统(例如,LED)。
虽然被描述为布置在弹性体泡沫中,但光源和光接收器(例如,光纤)还可以在不穿透弹性体泡沫或部分穿透泡沫的情况下布置在弹性体泡沫的表面上。
在各种示例中,弹性体膜关于所选波长或所选波长的光是透明的、半透明的或不透明的。弹性体泡沫部件可以是有色的,以使环境光的影响最小化。例如,还可以选择围绕泡沫的封装层来阻挡特定波长的光。用于红外光源的弹性体泡沫可以看起来不透明(例如,对可见光不透明)。在一个示例中,弹性体泡沫对具有250nm至2000nm(包括所有整数nm值及其间范围)的波长的光至少5%透明。在各种示例中,弹性体泡沫对具有250nm至1000nm或900nm至1000nm的波长的光至少10%、至少20%、至少30%、至少50%、至少75%、至少90%、至少95%或100%透明。在一个示例中,弹性体泡沫对具有250nm至2000nm、250nm至1000nm、350nm至1000nm或900nm至1000nm的波长的光5-100%透明。在一个示例中,弹性体泡沫不是透明的非散射材料。在一个示例中,弹性体泡沫不是塑料材料。在一个示例中,弹性体材料不包括染料。
在不意图受任何特定理论限制的情况下,认为传感器探测基于在弹性体泡沫变形时的泡沫散射特性的变化信号。例如,泡沫的变形增加膜对特定波长或特定波长的光的透明度(降低其散射),并且来自一个或多个探测器的信号增大。在另一个示例中,泡沫的变形增加膜对特定波长或特定波长的光的透明度(降低其散射),并且增大来自一个或多个探测器的信号。
弹性体泡沫包括聚合物材料,该聚合物材料在高于其玻璃化温度(Tg)以上时展现出弹性恢复力。在一个示例中,弹性体泡沫展现出从1-1000%(包括所有整数%值及其间范围)的应变(例如,弹性体泡沫的至少一个维数的变化)中恢复。在各种示例中,弹性体泡沫展现出从5-1000%、10-1000%或20-1000%的应变中恢复。恢复意指在去除引起应变的应力时,弹性体泡沫(例如,变化的泡沫的至少一个维数)大致恢复到其原始形状(例如,在其原始形状的0.5%或更少内、在0.01%内或在0.001%内)或恢复到其原始形状。弹性体泡沫可以是硅酮、聚氨酯或为本领域技术人员所知的其他材料。用于给定光源(例如,LED)的透射范围可以取决于泡沫结构的多孔性以及材料的半透明度。随着该范围减小,对于给定分辨率所需的发射器和接收器的数量可能增加。光源(例如,LED)的功率和波长也可能影响该范围。
弹性体泡沫可以是多孔弹性体泡沫或非多孔弹性体泡沫。在各种示例中,弹性体泡沫是多相材料。
弹性体泡沫的多孔性可以变化。在一个示例中,弹性体膜的多孔性为从12%至95%,包括所有精确到0.1%的值及其间范围。在一个示例中,弹性体膜的多孔性为从5%至95%,包括所有精确到0.1%的值及其间范围。在各种示例中,多孔性为15%或更大、20%或更大、25%或更大、30%或更大、40%或更大、50%或更大、60%或更大、70%或更大、80%或更大或90%或更大。在一些示例中,小于10%或大于95%的多孔性可能是不合适的(例如,可能太弱而不能支撑负载)。然而,这对所有设计而言并不全对。弹性体泡沫可以具有0%的多孔性(例如,橡胶)。
在各种示例中,弹性体泡沫包括空气和/或液体和/或固体颗粒。液体可以布置在弹性体泡沫的至少一部分或所有的孔中。液体的非限制性示例包括硅酮油、烃油(例如,十六烷)、水等类似的及其组合。固体颗粒的非限制性示例包括二氧化硅颗粒、炭黑、碳化硅等类似的及其组合。在一个示例中,弹性体泡沫不包括吸收材料(例如,吸收碳材料,诸如例如,碳纳米管)。
弹性体泡沫的弹性模量可以基于预期的设计或应用变化。弹性模量对于特定设计可能太低而不能支撑弹性体泡沫,或者弹性模量对于特定设计可能太高而不能提供期望的刚度。例如,对于特定设计或应用,小于10kPa的弹性模量可能太软,并且大于10GPa的弹性模量可能太硬。
对于特定设计或应用,可以改变弹性体泡沫的失效应变。例如,小于1.0%或小于0.1%的失效应变对于特定设计或应用可能太脆。
期望的是弹性体泡沫是顺从的。顺从性可以称为机械顺从性。在一个示例中,弹性体泡沫展现出0.001mN-1至1mN-1(包括所有精确到0.001mN-1的值及其间范围)的顺从性。
弹性体泡沫可以具有各种形状。在一个示例中,弹性体泡沫具有3D形状。在各种示例中,弹性体泡沫具有0.1mm至10米(包括所有精确到0.1mm的值及其间范围)的至少一个维数(例如,最长维数)。在特定示例中,弹性体泡沫具有从1cm到数十厘米的一个或多个维数(例如,厚度)。在特定示例中,弹性体泡沫具有多达1m的维数。其他维数是可以的。在一个示例中,弹性体泡沫具有人可以舒适地与其交互的维数。由此,弹性体泡沫可以具有使得能够与人附肢或手指舒适交互的维数。在一个示例中,弹性体泡沫不是膜(例如,具有小于10微米的厚度的膜)。在一个示例中,弹性体泡沫是连续的。在一个示例中,弹性体泡沫不包括在弹性体泡沫变形时改变它们的相对方位的离散段。在一个示例中,弹性体泡沫在泡沫的外表面的至少一部分或全部上不布置有金属涂层。
弹性体泡沫可以展现出期望的功率损失。在不意图受任何特定理论限制的情况下,认为弹性体泡沫的变形通过改变弹性体泡沫的散射特性来改变穿过膜的透光(例如,输出信号基于弹性体泡沫的散射特性)。例如,对于具有250-1500nm(包括所有整数nm值及其间范围)的波长的光,弹性体泡沫的灵敏度(还可以被称为传播损耗)为0.1-1000dB/cm(包括所有精确到0.1dB的值及其间范围)。在各种示例中,对于具有350-1000nm波长的光,弹性体泡沫的灵敏度为0.5-20dB/cm、0.7-20dB/cm或1dB/cm。在各种示例中,对于具有350-1000nm波长的光,弹性体泡沫的灵敏度为至少0.5dB/cm、至少0.7dB/cm或至少1dB/cm。
光源和光接收器以阵列围绕弹性体泡沫部件的外表面交替排布。例如,如图2所示,可以使用边缘来集中刚性元件并简化接线。然而,光源和光接收器的其他设置是可能的。光源不需要定位为直接与接收器相对。在图2中,例如,光源(IR LED)和光接收器(IR接收器)围绕弹性体泡沫的边界交替排布。光接收器定位为在四个角落中的每一个角落处彼此相邻。光源不直接与光接收器相对。
光源和光接收器的模式可以为统一或不统一的,例如,随机化的。在一个示例中,光源和光接收器具有随机定位,这意指其设置不是规则的。光源和光接收器可以布置在传感器中的任何地方。在一个示例中,光源和光接收器不仅仅为平面结构。在一个示例中,光接收器不是单个照相机。
可以使用不同数量的光源和光接收器(即,不需要光源和光接收器的比例为一比一)。然而,各接收器可以在至少一个光源的范围内,以贡献与系统有关的有用信息。所有光源可以在传感器操作期间提供光,或者仅光源中的一些可以在传感器操作期间提供光,确定施加于传感器的力的位置和深度可以至少部分基于光在光源中的至少一个(例如,所有光源或仅光源中的一些)与光接收器中的至少一个(例如,所有光接收器或仅光接收器中的一些)之间的透射。
半透明度、功率以及多孔性可以影响光源与光接收器之间的光透射。光接收器可以定位或以其他方式构造为接收足够量的光,以便操作。取决于弹性体泡沫的特性和光源的功率,光接收器可以定位为离光源10cm或更少。在一个示例中,光接收器可以定位为离光源至少1cm且少于10cm(包括精确到0.1cm的所有值及其间范围)。其他维数是可能的。
传感器还可以包括控制器,诸如微控制器,该控制器被配置为驱动光源并从光接收器接收信号(例如,电压)。传感器还可以包括与光接收器电子通信的至少一个(例如,两个)多路复用器。控制器可以被配置为确定与弹性体泡沫部件接触的物品(例如,手指)的位置和深度。
在一个示例中,在64cm2的传感器区域中使用32个光接收器,但光接收器的其他密度也是可能的。例如,在64cm2传感器区域中的16个接收器或更少可以产生可接受的分辨率。在另一个示例中,光接收器可以隔开1cm或更多。
传感器还可以包括被配置为包含弹性体泡沫部件的外壳。
在操作期间,向本发明申请公开的传感器的实施例施加力。使用控制器确定施加于传感器的力的位置和/或深度。可以使用控制器基于力的位置和/或深度生成输出。确定位置和深度可以至少部分基于光在光源中的一个与光接收器中的一个之间的透射。来自传感器的输出可以用作另一个设备(例如,计算设备、家用物品、柔性机器人皮肤、用于柔性机器人系统的反馈系统)中的输入。
可以使用各种机器学习技术(例如,决策树、神经网络、深度学习等)来产生将输入位置拟合到传感器数据的非线性模型。可以使用训练程序来收集预期输入范围内的代表数据样本。例如,在单个触摸输入的情况下,将机械化探针移动到遍及传感器的一系列已知位置X、Y以及Z位置。在各位置处,为各光接收器记录测量。在改变光源的情况下,可以对各光接收器采取多个测量。各测量可以构成输入参数。对于训练数据,输入参数的各集合与已知输出(例如,触摸输入的位置)关联。使用该训练数据,可以使用机器学习在输入参数(例如,传感器数据)与输出(例如,触摸位置)之间映射来自动生成非线性模型。在该校准完成之后,可以将这些模型与新传感器数据一起使用,以确定触摸输入的位置。
使用光源与光接收器之间的交互来确定输入,使得传感器包括不被刚性电子传感器堵塞的大体积的泡沫。这使得整个系统取决于被选择的泡沫而保持灵活或可伸缩。在一个示例中,可以使用变形限于触摸输入的位置的泡沫的大部分静态的实施例。然而,触摸输入可以在经受对整个结构的严重变形的同时感测。对于该操作,可以在预期变形的范围内收集训练数据。
该灵活性通过允许界面符合3D对象来打开新应用。另外,系统可以容易地适应任意3D形状。这至少可以由于两个原因而实现:(1)泡沫可以容易地同光源和光接收器一起成型,这些光源和光接收器沿着边缘或在遍及泡沫的岛中嵌入,以便更大覆盖;和(2)机器学习算法不需要光源和光接收器的具体放置或物理系统的建模;相反,系统在已知触觉输入上被训练并自动建立用于传感器数据的模型。
所公开的传感器不限于示例性架构(弹性体泡沫的平板的边界周围的电子器件)。电子器件可以遍及泡沫的主体分布或分布在泡沫的边界上和主体内,并且对于其他应用,可以将泡沫成型为3D形状。例如,泡沫可以成型在机器人的表面上方,以形成可以使用户通过触摸其主体提供触觉输入的柔性皮肤。
如果设备包含刚性结构,则可以将电子器件并入到刚性结构元件中,然后覆盖在泡沫中。例如,可以在围绕整个结构塑造泡沫之前沿着机器人臂的骨架结构分布LED和光电晶体管。这种实施例可以提供简单的电气路由,以向电子元件供电。
对于完全柔性设备(例如,枕头),电子器件(诸如例如光源和光接收器)可以作为岛分布在整个泡沫中。对于无线系统,可以在各岛中使用电池,并且可以使用无线通信(例如,蓝牙、WiFi、无线电等)来发送数据。对于有线的版本,在限制用于泡沫的降低应变能力的情况下,在岛之间可以包括宽松的线。
这里公开的实施例可以扩展为借助改进的感测算法来包括多触摸输入。感测硬件对于多触摸输入可以保持不变。然而,可以使用更复杂的测试过程来收集训练数据。不是将单个探针移动到已知位置并收集传感器读数,可以使用多个探针来对空间采样。相同模型拟合技术可以与这个更大的训练集一起使用,对于各探针的X、Y以及Z位置开发回归模型。另外,将需要分类模型来识别当前被使用的触摸输入的数量(例如,类似于在原型中用于区分“触摸”和“无触摸”的二进制分类模型)。
弹性体泡沫还可以用嵌入到感测变形的电子器件来动态致动。凭借该架构,系统除了将能够感测外部刺激之外,还将能够感测其致动的位置。
传感器的实施例不限于这里列出的材料。许多不同的弹性体可以用于泡沫,包括硅酮、聚氨酯、其他热固性和/或热塑性弹性体及其组合。除了与弹性体泡沫一起起作用之外,该系统还可以感测在离散颗粒(例如,聚苯乙烯珠)的多孔网络内的变形。
在一个方面中,本公开提供了本公开中的传感器的用途。在各种示例中,一个或多个传感器集成到各种制品中。在各种示例中,各种方法使用一个或多个传感器。在各种示例中,各种系统包括一个或多个传感器。
有用于该柔性界面的许多潜在用途。例如,设备可以用作用于传统计算机的新触摸输入。设备将接受像传统触摸屏那样但具有感测深度的额外能力的输入。该额外能力可以有益于设计软件,这使得用户给予基于所施加压力的更多信息。这可以允许数字对象的更自然图画或雕刻。
该柔性界面还可以集成到诸如枕头、寝具或其他家具的家用物品中,以产生用于家庭内的各种技术的非侵入性控制系统。
系统还可以用作用于机器人的柔性皮肤,这产生更自然的人机器人交互。皮肤将使机器人能感测它在哪里被触摸和用什么力触摸。
对于柔性机器人系统,该系统可以与流体的弹性体致动器耦接,以使机器人能感测其自己的位置和来自外部系统的输入。这些反馈系统将使柔性机器人能有更大的自主性。
本文公开的系统在除了柔性机器人之外的应用中可以与致动器一起使用。
以下陈述提供本公开的装置、方法以及设备的示例:
陈述1.一种传感器,其特征在于,包括:弹性体泡沫部件(例如,在压缩时改变至少一个透光特性的弹性气泡沫);光源(例如,LED,诸如例如,红外LED、光纤等、及其组合),其布置在弹性体泡沫部件上、中和/或部分布置在弹性体泡沫部件中;以及光接收器(例如,光电探测器、光电二极管、光电晶体管、光敏达林顿晶体管等及其组合),其布置在弹性体泡沫部件上、中或部分布置在弹性体泡沫部件中,其中来自光源的光通过透射过弹性体泡沫部件由光接收器接收(例如,以使光透射过弹性体泡沫部件的至少一部分)。
陈述2.根据陈述1的传感器,其特征在于,光源是多个光源,并且光接收器是多个光接收器。
陈述3.根据陈述1或2的传感器,其特征在于,弹性体泡沫是硅酮或聚氨酯中的至少一个。
陈述4.根据陈述2或3的传感器,其特征在于,多个光源和多个光接收器设置为阵列。
陈述5.根据陈述2至4中任意一项的传感器,其特征在于,多个光源和多个光接收器以阵列围绕弹性体泡沫部件的外表面交替排布。
陈述6.根据陈述2至5中任意一项的传感器,其特征在于,还包括控制器(例如,微控制器),其被配置为驱动多个光源,并且从多个光接收器接收信号(例如,电压)。
陈述7.根据陈述6的传感器,其特征在于,还包括与多个光接收器电子通信的至少一个(例如,两个)多路复用器。
陈述8.根据陈述2至7中任意一项的传感器,其特征在于,控制器被配置为确定与弹性体泡沫部件接触的物品(例如,手指)的位置和/或深度。
陈述9.根据陈述2至8中任意一项的传感器,其特征在于,还包括被配置为包含弹性体泡沫部件的外壳。
陈述10.根据陈述2至9中任意一项的传感器,其特征在于,弹性体泡沫部件是有色的,以减少或消除环境光的影响。
陈述11.根据陈述2至10中任意一项的传感器,其特征在于,光源的数量和光接收器的数量不同。
陈述12.根据陈述2至11中任意一项的传感器,其特征在于,光源和光接收器具有随机化的定位。
陈述13.根据陈述2至12中任意一项的传感器,其特征在于,光源是光纤,并且传感器还包括连接到光纤的光生成设备。
陈述14.一种用于包括根据本公开的一个或多个传感器(例如,根据陈述1-13中任意一项的一个或多个传感器)的计算设备的触摸输入。
陈述15.一种包括根据本公开的一个或多个传感器(例如,根据陈述1-13中任意一项的一个或多个传感器)的家用物品。
陈述16.一种包括根据本公开的一个或多个传感器(例如,根据陈述1-13中任意一项的一个或多个传感器)的柔性机器人皮肤。
陈述17.一种用于包括根据本公开的一个或多个传感器(例如,根据陈述1-13中任意一项的一个或多个传感器)的柔性机器人系统的反馈系统。
陈述18.一种方法,其特征在于,包括:向根据本公开的传感器(例如,根据陈述1-13中任意一项的传感器)施加力;以及使用控制器确定施加于传感器的力的位置和深度。
陈述19.根据陈述18的方法,其特征在于,还包括使用控制器基于力的位置和深度生成输出。
陈述20.根据陈述18或19的方法,其特征在于,还包括将来自传感器的输出用作另一个设备(例如,计算设备、家用物品、柔性机器人皮肤、用于柔性机器人系统的反馈系统)中的输入。
陈述21.根据陈述18至20中任意一项的方法,其特征在于,确定至少部分基于光在光源中的至少一个(例如,所有光源或仅光源中的一些(诸如例如,所选数量))与光接收器中的至少一个(例如,所有光接收器或仅光接收器中的一些(诸如例如,所选数量))之间的透射。
陈述22.一种非瞬时性的计算机可读的存储介质,其特征在于,包括用于在一个或多个计算设备上执行以下步骤的一个或多个程序:从本公开的传感器(例如,根据陈述1-13中任意一项的传感器)接收信号,其中信号对应于施加于传感器的力;以及确定施加于传感器的力的位置和深度,其中确定至少部分基于光在传感器中的光源与光接收器之间的光的透射。
提出以下示例来举例说明本公开。但这不旨在限制任何内容。
示例1
该示例提供了本公开的传感器的描述。
传感器使用具有嵌入式红外(IR)LED和接收器的弹性体泡沫来制作并被制造为柔性触摸传感器。柔性触摸传感器能够识别到泡沫中的按压的位置和深度。开发测试装置,以其来通过在已知位置处探测传感器并从IR接收器收集数据来收集训练数据。向32个LED应用八个不同的模式,并且对于各状态测量跨32个光电晶体管的电压,产生256个训练特征。使用随机森林来生成能够预测探针的位置的模型。首先,使用分类模型来确定探针是否按压传感器(以>98%准确度)。对于探针按压泡沫的情况,所预测位置的均方根误差(RMSE)为<1.6mm,并且所预测深度的RMSE为<0.6mm。
随着机器人从工业自动化工具转变为与人直接交互的设备,需要新硬件来确保这些交互对于用户安全并舒适。柔性机器人使用具有低机械顺从性的弹性体材料来产生对于人交互本质安全的系统。触觉反馈可以促进与机器人的自然交互,这允许机器人知道用户在哪里和多么稳固地触摸它。
弹性体泡沫(例如,硅酮、聚氨酯)是为了用作气动致动器而容易地成型为3D形状的轻量的、高度可伸缩材料。已经将光电反射传感器嵌入涤丝纺中来充当用于诸如枕头的柔性物品的传感器。图1示出了用于将红外(IR)LED和接收器嵌入到弹性体泡沫中的所提出设计。随着压缩泡沫,泡沫的透射减小。该减小的透射对应于与施加于泡沫的压力对应的IR接收器的电阻的增大。因为来自点光源的光服从平方反比定律,所以与光源的距离应与该缩放比例成比例,而不管压缩如何。
图1所示的机构可以通过使用放置在一片泡沫的边缘周围的IR LED和接收器的阵列来扩展为产生柔性触摸屏,如图2所示。凭借添加更多传感器和接收器,电阻与力输入之间的关系并不直接成比例,比如单个传感器的情况。虽然IR接收器提供与由泡沫经历的变形有关的信息的丰富源,但分析地建立并校准模型的过程将是时间密集的。由于该原因,选择使用机器学习来自主收集数据并建立模型的方法。
使用Arduino DUE微控制器来驱动32个IR LED(TSML 1020;威世(Vishay)半导体),并且读取跨各个IR光电晶体管(TSML 1020;威世半导体)的电压。使用两个多路复用器(CD74HC4067;德州(Texas)仪器)来与光电晶体管接口连接,使得Arduino DUE的两个模拟输入引脚可以测量跨32个光电晶体管中的每一个的电压。图3a示出了集成用于柔性触摸传感器的电子器件的五个定制的电路板的设计。四个边缘件中的每一个如图3b所示的托管八个LED和八个光电晶体管。这些边缘件使用如图3c所示的直角头座来附接到连接器板。连接器板还托管多路复用器分线板和Arduino DUE。
图4中示出的,激光切割的丙烯酸围护结构收容电子器件。图4a示出了截面图,并且图4b示出了在压缩泡沫时确保可再生结果的、泡沫下面的刚性表面。图4c示出了具有允许连接到Arduino DUE上的USB端口的开口的外壳。图4d示出了具有集成泡沫的设备。弹性体泡沫是12.5mm厚的聚氨酯片(8643K502;麦克马斯特(McMaster-Carr))。泡沫比开口稍大地切割,使得压缩将泡沫保持在适当地位置。泡沫层被室温硫化(RTV)硅酮混合物(Ecoflex-30;思模(Smooth-On)有限公司)覆盖。有色颜料(Silc Pig;思模有限公司)与硅酮混合,以防止透光,这使环境光对柔性传感器的影响最小。
自动化数据收集
为了收集训练数据,使用X、Y以及Z坐标的阵列来对柔性触摸屏的体积采样。探针如图5所示的附接到3D打印机的X滑架,并且将柔性传感器设备安装到打印床。在处理中书写的软件协调3D打印机的移动与来自柔性传感器的数据收集。该软件使用串行通信来从柔性传感器的Arduino Due接收数据,并且向打印机的控制器发送G代码,该控制器使用修改的GRBL固件。
原点被定义为传感器的表面处的底部左下角。从0mm到75mm的范围,沿X和Y方向每5mm记录测量。对于各XY对,在表面处和在4、6、8以及10mm的深度处记录测量。在这256个不同位置中的每一个处,测量过程重复五次,产生5120个数据样本。
对于各不同位置,如图6所示的一次照亮四个IR LED。对于八个照亮状态中的每一个,软件测量并记录跨所有32个光电晶体管的电压。一个完全测量周期产生256个特征,各电压被表示为从0到1023的整数。处理软件将已标记的训练数据导出为CSV,然后该CSV可以使用开源机器学习库来处理。
机器学习概述
在该示例中,所有机器学习使用为R建立的脱字符号包来执行。在任意数据分析之前,对所记录的数据随机采样,并且留出20%作为测试集。对于概念的初始验证,使用随机森林算法。各模型使用500棵树,并且使用五倍交叉验证调谐可供于在各树节点(mtry)处分割的变量的数量。
触摸分类
所开发的第一模型是传感器是否被触摸的分类。5120个数据样本中的每一个标记有或未标记有用于触摸的布尔(Boolean)状态。随机留出20%的数据,作为固定测试集。剩余的训练集中,在从训练数据的1%至100%的范围内产生分区。使用随机森林来建立分类器,以预测设备是否被触摸。图7示出了分类准确度结果。使用仅20%的训练数据(819个样本),分类模型实现95.1%的准确度。使用完全训练集(4096个样本),分类准确度提高到98.2%。
位置预测
在开发用于分类触摸的模型之后,下一步骤是建立预测触摸的位置和深度的模型。如对于触摸模型描述的,留出20%的可用数据作为测试集。对于该回归问题,使用Z深度为4、6、8或10mm的数据。这提供816个样本的测试集、以及多达3280个样本的可用训练集。改变训练集的尺寸,并且使用数据的各子集拟合用于X、Y以及Z位置的模型。图8示出了产生的均方根误差(RMSE)和训练时间。使用仅40%的训练数据(1312个样本),用于X和Y位置预测的RMSE小于3mm,并且用于Z深度预测的RMSE小于0.76mm。凭借完全训练集(3280个样本),用于X和Y位置预测的RMSE小于1.6mm,并且用于Z深度预测的RMSE小于0.59mm。
图9、图10以及图11分别示出了用于X、Y以及Z位置的预测。预测的各集合基于拟合使用完全训练集的模型。在各附图中,顶图示出了用于各位置的预测值,并且底图示出了预测值与实际值之间的差。对于图9中的X个预测,因为预测准确度对于X>55mm减小,所以数据被分成两个集合。对于X<=55mm,预测误差的大小倾向于小于0.5mm,但在触摸传感器的右边缘附近增大至近20mm。
对于图10所示的Y个预测,预测误差的大小倾向于小于1mm。然而,随后外点将向触摸传感器的中心倾斜。在触摸传感器的底部附近的外点具有正误差,而在顶部附近的外点倾向于具有负误差。该相同趋势对于图11中的Z个预测是明显的。然而,Z的大多数预测在标称值的0.5mm内。
结论
这些初始结果示出了与红外LED和光电晶体管耦接的弹性体泡沫是用于产生柔性触摸传感器的前景广阔的技术。初步测试的准确度对于许多机器人交互任务来说是足够的;预测位置的RMSE<1.6mm,并且预测深度的RMSE<0.6mm。更复杂的机器学习算法(例如,神经网络)和更多的训练数据可以进一步改善这些结果。而且,许多平均值误差来自外点。在输入到受训模型中之前对多个样本求平均,可以减轻这些外点的影响。凭借这些改进,该柔性泡沫触摸传感器可以使机器人具有与人相媲美的触感。该设备由于其灵活的形状因数和低成本而成为特别是机器人的关注点。在该设备中使用的弹性体泡沫容易浇注成3D形状,以形成用于柔性机器人的触觉皮肤。此外,该初始原型可能花费近似$150,包括定制PCB制造的费用。实际传感器和发射器可能花费各少于$1,即使在按数量一个购买时。借助用于制造的设计,可以通过与更便宜的部件一起工作来进一步降低成本。
示例2
图12-图16示出了传感器的另一个示例。这些光学功率输出可以与机器学习耦合,以训练计算机知道在给定来自光导的强度分配时泡沫采取什么形状。还可以在没有机器学习的情况下解释形状。泡沫还可以是致动器。
在该示例中公开的柔性泡沫传感器可以具有三维本体感受能力。传感器可以包括用固体橡胶层与外部空气密封的开孔橡胶泡沫。光纤端子被送入到泡沫中,这启用其照亮。各纤维可以用于照亮泡沫并检测遍及泡沫的光强度。光学分束器可以分离两个光路。
例如,光纤在图13中被例示为将LED和照相机连接到致动器。光纤可以插入到致动器中(例如,致动器的表面以下)。
使用从与机器学习算法(例如,K最近邻和K平均聚类)耦合的各光纤收集的平均光强度值,可以将传感器的物理配置分类为五个可能状态中的一个:松弛、向右扭转、向左扭转、上弯或下弯。传感器可以使用算法来检测另外的配置。可以量化致动器在各状态下到达的程度。更复杂的算法(例如,主成分分析、神经网络)可以启用更复杂且更高分辨率的配置描述。
虽然已经描述了本公开的一个或多个特定实施例,但将理解,可以在不偏离本公开的范围的情况下提出本公开的其他实施例。因此,本公开可以被认为仅受所附权利要求及其合理解释限制。
Claims (36)
1.一种传感器,其特征在于,包括:
弹性体泡沫部件,其设置有顶面、底面和多个侧面,其中所述顶面是被施加力的表面,并且其中所述多个侧面位于所述顶面和所述底面之间;
光源,其布置在所述弹性体泡沫部件的所述多个侧面中的第一侧面上和/或至少部分布置在所述弹性体泡沫部件的所述多个侧面中的第一侧面中;以及
光接收器,其布置在所述弹性体泡沫部件的所述多个侧面中的第二侧面上和/或至少部分布置在所述弹性体泡沫部件的所述多个侧面中的第二侧面中,所述第二侧面与所述第一侧面相对,其中来自所述光源的光通过透射过所述弹性体泡沫部件由所述光接收器接收,以及
其中响应于所述弹性体泡沫部件的顶面的一部分朝向所述弹性体泡沫部件的底面的压缩,从所述光源穿过所述弹性体泡沫部件到所述光接收器的光的透射被减少。
2.根据权利要求1所述的传感器,其特征在于,所述光源包括多个光源,并且所述光接收器包括多个光接收器。
3.根据权利要求2所述的传感器,其特征在于,所述多个光源中的至少一个光源包括发光二极管LED、光纤或其组合。
4.根据权利要求3所述的传感器,其特征在于,所述LED包括红外LED。
5.根据权利要求2所述的传感器,其特征在于,所述多个光接收器中的至少一个光接收器包括光电探测器、光电二极管、光电晶体管、光敏达林顿晶体管或其组合。
6.根据权利要求2所述的传感器,其特征在于,所述多个光源和所述多个光接收器设置为阵列。
7.根据权利要求2所述的传感器,其特征在于,所述多个光源和所述多个光接收器围绕限定所述弹性体泡沫部件的边界的所述多个侧面交替排布。
8.根据权利要求2所述的传感器,其特征在于,还包括控制器,其被配置为操作所述多个光源,并且从所述多个光接收器接收信号。
9.根据权利要求8所述的传感器,其特征在于,还包括与所述多个光接收器电通信的至少一个多路复用器。
10.根据权利要求8所述的传感器,其特征在于,所述控制器被配置为确定所述弹性体泡沫部件的顶面的一部分相对于所述弹性体泡沫部件的底面的压缩的位置和/或深度。
11.根据权利要求2所述的传感器,其特征在于,还包括被配置为包含所述弹性体泡沫部件的外壳。
12.根据权利要求2所述的传感器,其特征在于,所述弹性体泡沫部件是有色的,以减少或消除环境光对所述多个光接收器的影响。
13.根据权利要求2所述的传感器,其特征在于,所述多个光源中的光源的数量不同于所述多个光接收器中的光接收器的数量。
14.根据权利要求2所述的传感器,其特征在于,所述多个光源和所述多个光接收器具有随机化的定位。
15.根据权利要求1所述的传感器,其特征在于,所述传感器包括通信路径,以将来自所述布置在所述弹性体泡沫部件的所述多个侧面中的至少一个侧面上和/或至少部分布置在所述弹性体泡沫部件的所述多个侧面中的至少一个侧面中的所述光接收器的信号输出至外部系统。
16.根据权利要求1所述的传感器,其特征在于,所述光源与所述光接收器之间的距离不响应于所述弹性体泡沫部件的顶面的一部分朝向所述弹性体泡沫部件的底面的压缩而改变。
17.根据权利要求1所述的传感器,其特征在于,从所述光源到所述光接收器的光路至少基本上平行于所述顶面。
18.根据权利要求1所述的传感器,其特征在于,所述弹性体泡沫部件的顶面限定包括触摸面的中心区域和外围区域,其中,所述光源和所述光接收器布置在所述外围区域下方。
19.根据权利要求1所述的传感器,其特征在于,所述弹性体泡沫部件的顶面可操作以接收来自用户的触摸输入。
20.根据权利要求1所述的传感器,其特征在于,所述光源布置成与所述光接收器相对。
21.根据权利要求1所述的传感器,其特征在于,所述光源不与所述光接收器直接相对布置。
22.根据权利要求1所述的传感器,其特征在于,所述光源完全布置在所述第一侧面内和/或所述光接收器完全布置在所述第二侧面内。
23.根据权利要求2所述的传感器,其特征在于,所述多个光源中的至少一个光源完全布置在所述多个侧面中的一个侧面内和/或所述多个光接收器中的至少一个光接收器完全布置在所述多个侧面中的一个侧面内。
24.一种用于包括根据权利要求1所述的传感器的计算设备的触摸输入。
25.一种包括根据权利要求1所述的传感器的家用物品。
26.一种包括根据权利要求1所述的传感器的柔性机器人皮肤。
27.一种用于包括根据权利要求1所述的传感器的柔性机器人系统的反馈系统。
28.一种使用根据权利要求1所述的传感器的方法,其特征在于,包括:
向根据权利要求1所述的传感器施加力;以及
使用控制器确定施加于所述传感器的力的位置和/或深度。
29.根据权利要求28所述的方法,其特征在于,还包括使用所述控制器基于所述力的所述位置和/或所述深度生成输出。
30.根据权利要求29所述的方法,其特征在于,还包括将来自所述传感器的所述输出用作另一个设备中的输入。
31.根据权利要求28所述的方法,其特征在于,所述确定至少部分基于光在所述多个光源中的至少一个光源与所述多个光接收器中的至少一个光接收器之间的透射。
32.根据权利要求28所述的方法,其特征在于,所述确定至少部分基于光在所述多个光源中的所有光源或所选数量的所述光源与所述多个光接收器中的至少一个光接收器之间的透射。
33.一种非瞬时性的计算机可读的存储介质,其特征在于,包括用于在一个或多个计算设备上执行以下步骤的一个或多个程序:
从根据权利要求1所述的传感器接收对应于在光接收器处测得的光的信号;以及
通过在所述光接收器处所存储的从测得的光到压缩的位置和深度的映射,确定到所述传感器的输入的位置和深度,其中所述压缩的位置和深度是所述弹性体泡沫部件的顶面的一部分相对于所述弹性体泡沫部件的底面的压缩的位置和深度。
34.根据权利要求33所述的非瞬时性的计算机可读的存储介质,其特征在于,所述到所述传感器的输入的位置和深度由经训练的机器学习模型确定。
35.根据权利要求33所述的非瞬时性的计算机可读的存储介质,其特征在于,施加到所述传感器上的力的位置和深度由通过机器学习算法训练的模型确定,所述机器学习算法使用到所述传感器的多个不同的力输入来获取传感器数据。
36.根据权利要求35所述的非瞬时性的计算机可读的存储介质,其特征在于,所述一个或多个程序包括指令,以在处理器执行后通过以下动作来实施模型的训练:
a)沿着邻近所述弹性体泡沫部件的顶面的X轴和/或Y轴将机械化探针移动到多个预定坐标;
b)在每个所述预定坐标处,使所述机械化探针的远端沿至少Z轴从预定第一位置向预定第二位置移动,以使所述弹性体泡沫部件的顶面的一部分相对于所述弹性体泡沫部件的底面移动;
c)在每个所述预定坐标处,在所述机械化探针的远端沿所述至少Z轴从所述预定第一位置向所述预定第二位置移动以使所述弹性体泡沫部件的顶面的所述部分相对于所述弹性体泡沫部件的底面移动期间和/或之后,记录所述多个光接收器中的至少一个光接收器的测量值;
d)使用所记录的所述多个光接收器中的至少一个光接收器的测量值来训练所述机器学习算法;和
e)使用机器学习生成非线性模型,以将在每个所述预定坐标处的所述弹性体泡沫部件的顶面的所述部分相对于所述弹性体泡沫的底面的压缩映射到针对每个所述预定坐标的所述多个光接收器中的至少一个光接收器的测量值。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762444581P | 2017-01-10 | 2017-01-10 | |
US62/444,581 | 2017-01-10 | ||
PCT/US2018/013180 WO2018132482A1 (en) | 2017-01-10 | 2018-01-10 | Sensors with elastomeric foams and uses thereof |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110383025A CN110383025A (zh) | 2019-10-25 |
CN110383025B true CN110383025B (zh) | 2021-12-28 |
Family
ID=62839953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880015897.1A Active CN110383025B (zh) | 2017-01-10 | 2018-01-10 | 具有弹性体泡沫的传感器及其用途 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10976207B2 (zh) |
CN (1) | CN110383025B (zh) |
CA (1) | CA3049718A1 (zh) |
WO (1) | WO2018132482A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11500152B2 (en) | 2017-11-29 | 2022-11-15 | Cornell University | Elastomeric lightguide coupling for continuous position localization in 1,2, and 3D |
US11199660B2 (en) * | 2018-11-20 | 2021-12-14 | University Of Louisville Research Foundation, Inc. | Soft optics with mechanically tunable refractive index |
US11475699B2 (en) * | 2020-01-22 | 2022-10-18 | Asti Global Inc., Taiwan | Display module and image display thereof |
CN112212898B (zh) * | 2020-09-09 | 2022-05-27 | 山东科技大学 | 一种基于小尺寸分布式光纤传感阵列的智能皮肤 |
CN113551818B (zh) * | 2021-07-23 | 2023-03-14 | 西安建筑科技大学 | 一种基于负泊松比结构的测量方法及系统 |
WO2023120302A1 (ja) * | 2021-12-21 | 2023-06-29 | 国立研究開発法人物質・材料研究機構 | 触覚センサ、それを用いたロボット、医療機器、および、触覚フィードバック装置 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4600357A (en) * | 1984-02-21 | 1986-07-15 | Heath Company | Gripper force sensor/controller for robotic arm |
US4814562A (en) * | 1987-11-13 | 1989-03-21 | University Of Arkansas | Electro-optic force and pressure transducer and sensor |
WO1994012096A1 (en) * | 1992-12-01 | 1994-06-09 | Somanetics Corporation | Patient sensor for optical cerebral oximeters |
US5963333A (en) * | 1996-09-12 | 1999-10-05 | Color Savvy Systems Limited | Color sensor |
US5917180A (en) * | 1997-07-16 | 1999-06-29 | Canadian Space Agency | Pressure sensor based on illumination of a deformable integrating cavity |
US7382360B2 (en) * | 2003-04-15 | 2008-06-03 | Synaptics Incorporated | Methods and systems for changing the appearance of a position sensor with a light effect |
AU2004233247A1 (en) * | 2003-04-24 | 2004-11-04 | Odyssey Developments Limited | Monitoring road reflectance and street lighting |
US20150354792A1 (en) * | 2009-11-19 | 2015-12-10 | Tseng-Lu Chien | Interchange Universal Kits for LED Light Device |
EP2034287A1 (en) * | 2007-09-10 | 2009-03-11 | Nederlandse Organisatie voor Toegepast-Natuuurwetenschappelijk Onderzoek TNO | Optical sensor for measuring a force distribution |
JP5261786B2 (ja) | 2007-12-11 | 2013-08-14 | 国立大学法人 筑波大学 | 3次元触覚センサ及び3次元触覚センシング方法 |
DE102008037861A1 (de) * | 2008-08-15 | 2010-03-18 | Siemens Aktiengesellschaft | Optischer Tastsensor |
TWI396016B (zh) * | 2008-12-30 | 2013-05-11 | Innolux Corp | 增加光輸出效率之背光模組及包含該背光模組之液晶顯示器 |
US20100188270A1 (en) | 2009-01-28 | 2010-07-29 | Qualcomm Mems Technologies, Inc. | Optical interrupting interface |
DE102010013386A1 (de) * | 2010-03-30 | 2011-10-06 | Emz-Hanauer Gmbh & Co. Kgaa | Vorrichtung zum Erfassen der Relativposition eines lageveränderlichen Bauteils relativ zu einem Referenzbauteil eines Wäschebehandlungsgeräts sowie entsprechendes Wäschebehandlungsgerät |
US8798702B2 (en) | 2011-03-31 | 2014-08-05 | Covidien Lp | Multiplexed photodetector array for optical medical sensors |
US8827973B2 (en) * | 2011-06-24 | 2014-09-09 | Kci Licensing, Inc. | Medical drapes, devices, and systems employing a holographically-formed polymer dispersed liquid crystal (H-PDLC) device |
DE102013009115A1 (de) * | 2012-09-14 | 2014-03-20 | Continental Automotive Gmbh | Rotor für eine permanenterregte elektrische Maschine sowie dessen Verwendung |
KR20160087846A (ko) | 2013-11-21 | 2016-07-22 | 쓰리엠 이노베이티브 프로퍼티즈 컴파니 | 힘 방향 결정을 이용하는 터치 시스템 및 방법 |
US20150280488A1 (en) * | 2014-03-26 | 2015-10-01 | Qualcomm Incorporated | Systems, methods, and devices for optical wireless charging |
JP2017535316A (ja) * | 2014-09-30 | 2017-11-30 | 深▲せん▼市大耳馬科技有限公司Shenzhen Darma Technology Co.,Ltd. | 姿勢と生命徴候用モニターリングシステム及び方法 |
US20160169711A1 (en) * | 2014-10-02 | 2016-06-16 | Ofs Fitel, Llc | Fiber optic sensor cable and fiber optic sensing system |
JP6462009B2 (ja) | 2015-02-05 | 2019-01-30 | 三井化学株式会社 | 光弾性ポリウレタン樹脂、検知部材、ロボット、および、光弾性ポリウレタン樹脂の製造方法 |
US20180188125A1 (en) | 2015-07-22 | 2018-07-05 | Carnegie Mellon University | Flexible and Stretchable Sensor Using Soft Optical Waveguides |
CN205091196U (zh) | 2015-09-22 | 2016-03-16 | 天津城建大学 | 一种采用光弹性压力传感器的压力测量系统 |
CN106153227B (zh) | 2016-08-31 | 2019-03-08 | 贾岳杭 | 基于光照强度测量的应力与应变检测装置 |
CN106708335B (zh) | 2017-01-03 | 2019-07-16 | 京东方科技集团股份有限公司 | 一种触控结构、触控显示装置及其触控检测方法 |
-
2018
- 2018-01-10 CA CA3049718A patent/CA3049718A1/en active Pending
- 2018-01-10 CN CN201880015897.1A patent/CN110383025B/zh active Active
- 2018-01-10 WO PCT/US2018/013180 patent/WO2018132482A1/en active Application Filing
- 2018-01-10 US US16/477,040 patent/US10976207B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CA3049718A1 (en) | 2018-07-19 |
CN110383025A (zh) | 2019-10-25 |
US20190383678A1 (en) | 2019-12-19 |
US10976207B2 (en) | 2021-04-13 |
WO2018132482A1 (en) | 2018-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110383025B (zh) | 具有弹性体泡沫的传感器及其用途 | |
Navarro et al. | A model-based sensor fusion approach for force and shape estimation in soft robotics | |
Zhao et al. | Optoelectronically innervated soft prosthetic hand via stretchable optical waveguides | |
Xu et al. | Optical lace for synthetic afferent neural networks | |
De Maria et al. | Force/tactile sensor for robotic applications | |
Mukai et al. | Development of the tactile sensor system of a human-interactive robot “RI-MAN” | |
CN111656308B (zh) | 用于一维、二维和三维的连续位置定位的弹性光导耦合 | |
Cirillo et al. | An artificial skin based on optoelectronic technology | |
D'Amore et al. | Silicone‐rubber‐based tactile sensors for the measurement of normal and tangential components of the contact force | |
WO2009013599A1 (en) | Conformant and flexible tactile sensor and method therefor | |
Jamil et al. | Proprioceptive soft pneumatic gripper for extreme environments using hybrid optical fibers | |
Soter et al. | Skinflow: A soft robotic skin based on fluidic transmission | |
CN101539824B (zh) | 光学式操控装置 | |
US20130194237A1 (en) | Pressure sensor and apparatus for sensing pressure and touch screen including the same | |
Ye et al. | Design and implementation of robot skin using highly sensitive sponge sensor | |
Everitt et al. | Enabling multi-material 3D printing for designing and rapid prototyping of deformable and interactive wearables | |
CN213422490U (zh) | 一种基于光衰减的柔性触觉传感器及阵列 | |
Li et al. | An Artificial Intelligence‐Motivated Skin‐Like Optical Fiber Tactile Sensor | |
Cirillo et al. | Force/tactile sensors based on optoelectronic technology for manipulation and physical human–robot interaction | |
Trinh et al. | Computational model for tactile sensing system with wrinkle’s morphological change | |
Amoateng et al. | Intelligent position, pressure and depth sensing in a soft optical waveguide skin | |
Lang | Design and prototyping of a fiber optic tactile array | |
KR20130086909A (ko) | 압력 센서, 압력 감지 장치 및 압력 센서를 구비하는 터치 스크린 | |
WO2022095883A1 (en) | Optical soft skin system for multimodal sensing | |
Yussof et al. | Determination of object stiffness control parameters in robot manipulation using a prototype optical three-axis tactile sensor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |