IEEE Transactions on Robotics

Fiber-Optic Force Sensing of Modular Robotic Skin for Remote and Autonomous Robot Control

作者：Sudong Lee, Jae In Kim, Youngjoon Baek, Dongjune Chang, Jeongseob Lee, Young Soo Park, Dongjun Lee, Yong-Lae Park · 机构：Soft Robotics Research Center, Seoul National University, Seoul, South Korea; CREATE Lab, Institute of Mechanical Engineering, Swiss Federal Institute of Technology Lausanne, Lausanne, Switzerland; Samsung Electronics, Suwon, South Korea; Department of Mechanical Engineering, Seoul National University, Seoul, South Korea; Institute of Advanced Machines and Design, Seoul National University, Seoul, South Korea; Institute of Engineering Research, Seoul National University, Seoul, South Korea; Department of Mechanical Engineering, Arizona State University, Tempe, AZ, USA; Argonne National laboratory, Lemont, IL, USA

会议/期刊：IEEE Transactions on Robotics · 发布日期：2024 · 页码：2373-2389

路径规划控制操作触觉传感器

精读笔记

Problem Setting

论文标题：Fiber-Optic Force Sensing of Modular Robotic Skin for Remote and Autonomous Robot Control（IEEE Transactions on Robotics / 2024）。

这篇论文解决的不是“让机器人拥有类人触觉”这种宽泛问题，而是一个更具体的机器人本体感知问题：如何在机器人臂表面铺设可模块化皮肤，使每个模块能实时估计接触法向力大小和连续接触位置，并可直接用于遥操作/自主控制。

真正困难点在于三者同时满足：连续定位、可大面积扩展、抗恶劣环境。密集触觉阵列能做空间采样，但布线、封装、EMI、标定和耐久性会随面积恶化；传统腕部力/力矩传感器能测合力，但不能区分本体表面多个接触；柔性电阻/电容/液态金属皮肤贴合性好，但迟滞、蠕变和环境敏感性会影响控制闭环。本文的关键矛盾是：想减少传感通道数量，却又不想把接触位置离散化；想要机械鲁棒，却又需要足够灵敏。作者选择把空间信息交给结构力学编码，而不是传感器密度。

Motivation

已有路线的缺口不是单点力测不准，而是“机器人表面大面积接触信息如何以低复杂度进入控制”。如果传感机制依赖电子阵列，系统层面的弱点会出现在布线、EMI/辐射防护和模块维护；如果依赖软材料大变形，弱点会出现在迟滞和重复性；如果依赖 FBG 点阵，则连续定位能力受 FBG 空间布置限制。

作者的核心观察是：接触位置并不一定要通过表面密集采样得到，也可以通过受约束盖板的姿态变化间接恢复。只要盖板的可运动自由度被设计成与待估变量数量一致，三路独立应变就能通过力/力矩平衡反演出一个法向接触的三参数状态。这个方向的动机更像“用机械结构做前端编码”，而不是单纯换一种传感器。

Core Idea

本文真正的核心思想是：把一个二维连续触觉定位问题转化为一个三自由度机械结构的静力反演问题。单个皮肤模块的盖板被约束为 roll、pitch 和 z translation；外部法向力作用在任意位置时，会产生特定的三点反力分布；三根梁上的 FBG 只需要测到这三个反力，就能通过力平衡与力矩平衡恢复外力大小和作用点。

这与传统触觉阵列的本质区别在于信息流组织方式不同。传统方法是“空间上采样压力，再从压力图读出接触”；本文是“结构先把接触投影到低维机械模态，再用物理模型解码”。因此它的空间连续性不是来自更密的 sensing taxel，而是来自结构模型的连续可逆性。这个 inductive bias 很强，也解释了为什么只需少数 FBG 就能覆盖一个模块表面；但它同样限定了可感知对象：主要是单个等效法向接触，而不是完整接触压力场。

Method

1. 三点梁支撑：解决“少量传感通道如何包含位置和力”的问题。三点反力天然对应一个平面上的合力与两个力矩，刚好足以恢复法向力大小和二维作用点。核心变化是从表面压力场测量转为支撑反力测量。

2. 三自由度盖板约束：解决反演可解性问题。S–L joint 允许竖直平移和两个方向转动，同时整体结构约束 yaw，使待估状态维度与观测维度匹配。没有这个约束，三路应变不足以唯一解释接触状态。

3. 锥形梁 + FBG：解决应变读数与梁端力之间的线性化问题。普通悬臂梁沿长度方向应变不均匀，而 FBG 有有限长度；锥形梁让 FBG 粘贴区应变近似常值，使波长漂移更接近梁端反力的线性观测。这是模型能实时跑、且不需要复杂标定图的关键。

4. 预紧接触：解决六边形盖板边缘区域可能导致某个支撑点脱开的可观测性问题。预紧力把“脱离接触”变成“从预压状态释放”，保证三路信号始终存在。它是一个重要但偏工程的稳定性设计。

5. 平面/曲面几何模型：解决模块贴合机器人圆柱表面时法向方向变化的问题。作者在静力平衡中加入曲率导致的水平分力约束，使同一反力反演框架能用于曲面盖板。但曲面模型对接触方向和摩擦假设更敏感。

Key Insight / Why It Works

这篇论文最值得注意的 insight 是：触觉皮肤的空间分辨率不一定只能靠 taxel density；机械结构本身可以充当 analog encoder，把接触位置编码进少量反力的比例关系。三点支撑 + 力矩平衡是本文最核心的机制，FBG 只是一个适合恶劣环境和复用的高质量读出手段。

方法有效的原因有三层。第一，静力问题本身是低维的：在“单个法向合力”假设下，未知量只有三个，因此三路独立反力足够。第二，结构约束强：盖板不是任意形变，而是被强行限制在三自由度运动空间中，消除了大量不可观测模态。第三，梁设计主动线性化了传感链路，使 FBG 输出可以直接进入解析模型，而不是依赖大量数据拟合。

最可能的核心贡献是机械-物理 co-design，而不是控制演示。遥操作和自主避障实验更多证明该传感器可接入闭环，控制策略本身并不新。温度补偿、ROS 集成、触觉反馈、PID 力控制基本是 supporting engineering。曲面模型有一定价值，但仍依赖较强几何先验。

需要直接指出的是，性能上限很大程度受机械摩擦、预紧、加工精度和标定常数支配。作者通过优化 Kb 和 Kv 吸收了不少非理想因素，平均改变量达到相当大的比例，这说明解析模型并非完全预测式，而是“物理模型 + 常数重标定”。增益来源中，物理结构提供了主要可辨识性，参数优化提供了实际精度；两者贡献没有被严格消融。

Relation To Prior Work

最接近的谱系有三条：机器人皮肤/触觉阵列、基于 FBG 的机器人力感知、结构化触觉传感器。与电阻/电容/Hall/视觉触觉相比，本文的差异不只是换成 FBG，而是把连续定位从密集阵列读数转移到三点反力反演。与已有 FBG 阵列式触觉相比，它不靠多个 FBG 的空间位置离散估计接触点，而是用少数 FBG 测结构模态，因此理论上模块内位置是连续的。

看似新的部分中，六边形模块、温度补偿、FBG multiplexing、遥操作触觉反馈都不是本质创新，更多是成熟技术重组。实质创新在于：一个能让单模块三路应变对应法向接触三变量的机械结构，以及围绕该结构建立的静力反演模型。它属于“mechanically encoded tactile sensing”而不是纯传感材料创新。

Dataset / Evaluation

评价以真实硬件为主，覆盖单模块标定、随机测试点、平面/曲面盖板，以及两个应用场景：遥操作中的形状跟踪/避障和自主控制中的避障/力控操作。这个 evaluation 足以支持“该模块可实时估计接触位置和力，并能用于简单控制闭环”的 claim。

但它没有充分支持更强的 claim，例如复杂真实环境下的通用机器人皮肤、全身多接触理解、高动态碰撞鲁棒性或长期部署可靠性。实验中的接触几何较受控，主要是点接触、线接触或可等效为合力的接触；任务也多是二维平面中的绕障和保持接触。多模块阵列的 scalability 更多通过 FBG interrogator 通道数和模块拼接推算，而不是通过大面积系统长期运行验证。

此外，测试数据来自同一装置、同一模块、同类加载流程，泛化到不同模块制造误差、不同曲率、不同摩擦状态、不同环境温度循环仍文中未充分说明。DNN 附录只说明黑箱模型可达到类似水平，并没有系统回答非线性补偿是否能稳定提升部署性能。

Limitation

最根本的限制是问题被强假设简化了。单模块只能恢复一个等效合力及其作用点；如果模块内存在多个独立接触、复杂分布压力或强剪切力，输出会退化为合力和压力质心。对于许多操作任务，这可能够用；但它不是完整触觉图像，也不能替代高密度触觉阵列。

第二，法向力假设很强。曲面盖板模型已经显示只要接触角度、滑动和摩擦稍复杂，估计误差就会上升。真实机器人表面接触通常包含切向力、滑动摩擦、冲击和非刚性接触，本文机制没有直接观测剪切分量。未来增加 DoF 可以扩展，但那会破坏当前三路观测的简洁性，并带来更复杂的可辨识性问题。

第三，机械摩擦是硬伤。S–L joint 的 bead/bolt/socket 摩擦导致回零不完全，低力区明显变差。这不是小 implementation bug，而是该结构路线的核心非理想源。作者用润滑和常数优化缓解，但没有从结构上消除。所谓高实时性来自解析模型，但精度又依赖标定常数吸收摩擦和制造误差；一旦长期磨损或预紧变化，模型可能漂移。

第四，可扩展性仍偏工程推断。单个模块 113 g、不锈钢精加工、0.01 mm 级公差，对大面积机器人皮肤并不轻。FBG 复用确实降低电气复杂度，但全身覆盖后的光纤路由、模块替换、冲击保护、曲面适配和在线标定成本没有被实证解决。

第五，控制实验的难度有限。路径规划和力控部分展示的是触觉反馈可用，不代表传感器带来了复杂 autonomous manipulation 能力。planner 实际没有形成长期状态建模，更像基于当前接触位置的局部避障和简单力控。

Takeaway

  • 1. 最值得迁移的思想是“用结构约束降低触觉反演维度”。
  • 如果任务只需要合力、接触质心和安全反馈，高密度 tactile image 可能是过度表示；机械编码可以用更少通道实现更可控的实时闭环。
  • 2. FBG 的价值在系统层面，而不是算法层面：抗 EMI/辐射、可复用、远距离读出、轻量布线，这些特性对核环境、医疗、空间机器人等场景比单纯精度更重要。
  • 3. 未来真正值得做的是把机械结构做成无摩擦/单体柔顺机构，同时扩展到剪切力和动态接触；否则误差上限会被 joint friction 和预紧漂移锁死。

一句话总结

这篇论文在机器人皮肤方向中的位置是：用 FBG 读出的三点机械编码结构，把模块内连续法向接触定位从密集触觉阵列问题转化为可实时求解的静力反演问题，贡献主要是机械-物理建模 co-design 而非新的控制算法。