柔軟な二峰性感覚インターフェースを介したソフトロボットの非接触対話型教示

Nature Communications volume 13、記事番号: 5030 (2022) この記事を引用

9527 アクセス

15 件の引用

15 オルトメトリック

メトリクスの詳細

この論文では、人間の素手を使って熟練した移動を実行するようにソフトロボットをインタラクティブに教えるための、マルチモーダルで柔軟な感覚インターフェースを提案します。まず、摩擦電気ナノ発電機と液体金属センシングに基づいた柔軟なバイモーダルスマートスキン（FBSS）を開発します。これは、触覚センシングと非接触センシングを同時に実行し、これら2つのモードをリアルタイムで区別できます。 FBSS を使用すると、ソフトロボットは触覚刺激および非接触刺激に独自に反応できます。次に、人間が裸の手と目の協調を介してソフトロボットの動きを教えることを可能にする距離制御方法を提案します。その結果、参加者はわずか数分以内に「センサーを移動して教える」方法を通じて、自己反応するソフト連続体マニピュレーターに三次元空間での複雑な動作を効果的に教えることができることがわかりました。ソフトマニピュレーターは、人間が教えた動きを繰り返し、さまざまな速度で再生できます。最後に、紙とペンの迷路を完成させる、喉の綿棒を採取する、物体を掴むために障壁を越えるなどの特定のタスクを完了するように、人間がソフトマニピュレーターに簡単に教えることができることを実証します。私たちは、柔軟なマルチモーダル感覚インターフェースに基づいた、このユーザーフレンドリーで非プログラム可能な教育方法により、人間がソフトロボットと対話し、ソフトロボットを利用する領域を幅広く拡大できると考えています。

ソフトロボットは、現実世界のアプリケーションにおける大きな可能性のために注目を集めています1、2、3、4、5、6、7、8。ソフトロボットは順応性が高いため、幅広い環境で人間と安全に対話する上で、硬いロボットに比べて非常に優れた利点を持っています9、10、11、12、13。しかし、ソフトロボットはモデル化やプログラミングが難しいため、専門家以外がソフトロボットを使って特定の動きを実現したり特定のタスクを実行したりする場合、無視できない障害に直面することがよくあります14、15、16、17、18。ソフトロボットの動作パターンを効率的かつ柔軟に「教える」ことができる対話型の教示方法は、家庭、生産ライン、その他の非構造化環境における人間のユーザーに劇的な利益をもたらすでしょう (図 1)。剛体ロボットとは異なり19、20、21、人間との対話を通じたソフトロボットの教育を実証する研究はほとんどありません。これは、人間との対話を通じてソフトロボットによる教育を実現するには、主に 2 つの課題があるためです。そのプロセスには、(1) ソフトロボットと人間のデモンストレーターの間の対話のための、マルチモーダルで汎用性があり、堅牢な柔軟なセンシングデバイスが必要です。 (2) 人間のデモンストレーターの指示をソフトロボットに伝えるための、ユーザーフレンドリーで非プログラム可能な教育方法。

人間は、ロボットを非接触で操作することで、さまざまなタスクを実行できるようにロボットに「教える」ことができます。

最初の課題に関しては、これまでの研究のほとんどは、物理的な接触にのみ反応し、非接触刺激には反応しないソフトロボットの触覚センシングに焦点を当ててきました。摩擦電気ナノ発電機（TENG）は、接触帯電と静電誘導の結合効果を利用し、触覚刺激と非接触刺激の両方を電気信号に変換できます22、23、24、25、26。 TENG に基づく摩擦電気センサーは、その幅広い材料構成 (例、低ヤング率から高ヤング率まで)、簡単に製造できる単純な構造、高感度、および高速応答時間により、ソフトロボットにとって独自の利点を持っています 27,28,29,30,31 、32。柔軟な摩擦電気材料と構造を利用した以前の研究は、圧力と応力の感知において目覚ましい進歩を遂げました 33,34,35,36,37,38。タッチレスセンシングを探求する予備研究も登場しています39、40、41、42。ただし、触覚刺激と非接触刺激は電気的変化の同一の傾向をもたらすため、摩擦電気センサーが触覚信号と非接触信号をリアルタイムで正確に区別することは困難です43、44（補足図1A、Bおよび補足ムービー1）。したがって、触覚および非接触リアルタイムセンシングが可能な柔軟な摩擦電気センサーはまだ研究されておらず、これはソフトロボットによる対話型教育の新しいパラダイムのための研究基盤を築く可能性がある。

2 番目の課題に関しては、ソフトロボット (ソフトコンティニュアムマニピュレータなど) の対話型教示はほとんど理解されていません。従来、主な原理は、自由度が少ない剛体ロボットマニピュレータの接触教示に基づいていました 45,46。この原理は一般に、マニピュレータのエンコーダが動作を再生するための教示プロセスの運動学を記録しながら、制御された低インピーダンスモードでマニピュレータを手動で動かすことによって達成されていました。ただし、このタイプの接触ティーチングは 2 つの理由からソフトロボットには適用できません。まず、ソフト連続体マニピュレータの無限の自由度と従順な性質により、剛体マニピュレータの離散構成とは異なり、ユーザーが明示的に制御することが困難になります47。第二に、ソフト連続体ロボットの接触ベースの教示方法は受動的な変形を生成し、これらの変形した構成を測定するには、ロボットの 3 次元運動学を再構築するために多数のソフトセンサー (ロボットの内部または表面に埋め込まれたセンサー) が必要です 48,49 。これらの課題を考慮すると、柔軟な感覚インターフェイスを通じてソフトロボットを対話的に教えることは可能でしょうか? 専門家ではないユーザーが、プログラミングなしで非構造化環境での操作タスクを実現するようにソフトロボットに指示できるでしょうか?

ここでは、摩擦電気センサーと液体金属センサーを統合することにより、触覚と非接触センシングの両方を備えた柔軟なバイモーダルスマートスキン (FBSS) を開発します。摩擦電気センサーは非接触刺激に応答でき、液体金属センサーは触覚刺激に応答できます。これに基づいて、実装された FBSS はリアルタイムで触覚モードとタッチレスモードを明確に区別できます。次に、触覚センシングと非接触センシングの両方について、FBSS のセンシング性能を特徴付けます。最後に、FBSS を使用した対話型教育のための制御フレームワークを構築します。また、複雑な移動運動を教えるための「センサーの移動と教育」方法も提案します。これには、教育セッション中に FBSS をマニピュレーター上のさまざまな場所に移動することが含まれます。我々は、専門家でなくても、連続ソフトマニピュレータに、ピックアンドプレイス、ペイント、喉の拭き取り、障害物を越えて物体を掴むことを効率的かつ対話的に教えることができることを示す。さらに、ソフト折り紙ロボットやロボットグリッパーなどの他のソフトロボット上での FBSS のインタラクティブパフォーマンスもテストします。

柔軟なバイモーダルスマートスキン (FBSS) 構造には、5 つの柔軟な層が含まれています (図 2a および「方法」セクション)。柔軟な誘電体層は、シリコンゴム (Smooth-on、Dragon Skin 00-20) をピラミッド型の微細構造を備えた型に流し込むことによって製造されました。フレキシブル電極層はパターン化された Ag ナノワイヤ (NW) ネットワークで製造され、ポリジメチルシロキサン (PDMS) ベースと硬化剤 (Dow Corning、Sylgard184) を典型的な重量比 10:1 で混合することによって転写されました。電極層の下の刺激層は、柔軟な誘電体層と同様の方法を使用して製造されました。柔軟な誘電体層、柔軟な電極層、および刺激層の表面は、プラズマ（OPS プラズマ、CY-DT01）で処理された後、化学結合を形成しました。まず液体金属層を液体金属プリンター (DREAM Ink、DP-1) で印刷し、次にパッケージ層 (Smooth-on、Dragon Skin 00-20) を使用して液体金属を転写および封入しました。刺激層は、シリコーンゴム接着剤（Smooth-on、Sil-Poxy）を介してパッケージ層に接着されました。作製したピラミッド型微細構造の電子顕微鏡画像を撮影したもので、ピラミッド型微細構造の高さと幅はそれぞれ320μmと500μmでした（図2b）。印刷された液体金属パターンの光学写真が撮影され、液体金属線の幅は約300μmです（図2c）。 FBSSは折りたたんだり伸ばしたりすることができ（最大伸長率58.4％）、優れた柔軟性と伸縮性を示します（図2d、e）。

さまざまな機能層を積み重ねたソフトセンサー設計。これらの層には、柔軟な誘電体層 (シアン)、柔軟な電極層 (灰色)、刺激層 (淡い黄色)、液体金属材料 (黒色)、およびパッケージ層 (オレンジ) が含まれます。 b 柔軟な誘電体層の上面のマイクロピラミッド構造の電子顕微鏡画像。 c シリコーン材料層上に印刷された液体金属材料の光学顕微鏡画像。 d FBSS プロトタイプの曲げ写真は、その柔軟性を示しています。 e 試作品の伸縮写真（最大伸縮率58.4％）で伸縮性が確認できます。 f プロトタイプの触覚/非接触センシング機構: (i) 数回の接触後の電子親和力の違いにより、柔軟な誘電体層 (灰色) と外部物体 (赤色) に等しい密度の負電荷と正電荷が生成されました。 (ii) 外部の物体が柔軟な誘電体層に近づくと、自由電子が地面から柔軟な電極に流れるように駆動されました。 (iii) 外部の物体 (赤) が FBSS に接触し始め、電子の移動が増加し、液体金属の抵抗が増加します。 (iv) 外部オブジェクト (赤) は完全に FBSS と接触しています。電荷の中和が発生し、自由電子の移動が停止し、液体金属の抵抗が最大に達します。 (v) 外部圧力が解放されると、電子はフレキシブル電極 (灰色) から地面に逆流し、チャネルが初期状態に回復するにつれて液体金属の抵抗が減少しました。 (vi) 外部物体 (赤色) が FBSS から離れると、逆流電子が増加し、液体金属の抵抗は安定したままになります。

FBSS の完全な触覚および非接触知覚原理は、複数の段階に分割されます (図 2f)。初期段階 (i) では、数回接触を繰り返すと、異なる電子親和力から柔軟な誘電体層と外部の物体に等しい負と正の電荷が生成されます。これらの表面電荷は、インタラクティブな教育プロセスに十分な時間（1時間以上）残る可能性があります（補足図2）。段階 (ii) では、外部の物体が柔軟な誘電体層に近づくと、電極と地面の間の電位が変化し、自由電子が地面から柔軟な電極に流れるようになり、回路内に電流が発生します。この段階では接触圧力が FBSS に作用しないため、液体金属センサーの抵抗は安定したままであることに注意してください。 (iii) 段階では、シリコーンゴムに作用する外力による接触圧力により、FBSS が変形を開始します。この段階では外部の物体がフレキシブル電極に近づくため、自由電子は地面からフレキシブル電極へとさらに流れ、同じ方向に電流が発生します。液体金属層が圧縮され、液体金属チャネルの断面積が減少し、その抵抗が増加し始めます。段階 (iv) では、外部の物体が完全に FBSS に接触しているとき、物体と柔軟な誘電体層の間の距離は最小値まで圧縮されます。電荷の中和が発生し、自由電子の移動が停止し、液体金属の抵抗が最大に達します。段階 (v) では、外部圧力が解放されると、自由電子が柔軟な電極から地面に逆流し、逆方向の電流が発生します。液体金属の抵抗は流路形状の回復とともに減少します。段階(vi)では、外部物体が可撓性誘電体層から離れると、グランドに逆流する電子の数が増加し、以前の状態と同じ方向に電流が発生します。液体金属の抵抗は、外部物体と FBSS の間の物理的接触が消失しても安定したままになります。最後に、外部の物体が FBSS から遠く離れた場合、新しい電気的平衡が確立されます。

FBSSのパフォーマンスを調査するために測定システムを実装しました（補足図3）。 FBSS は、フォースゲージ (ATI Industrial Automation、mini40) の上に組み立てられた平板に固定されました。外部物体はリニアモーターアクチュエータ (LinMot、E1100) の端に取り付けられ、FBSS に周期的に接近して押圧することができます。 FBSS から 20 mm 離れたところに設置されたガラス片が、触覚およびタッチレスセンシングテストの外部物体として使用されました。 FBSS の出力信号に対する接近距離の影響が最初にテストされました (図 3a)。タッチレス出力信号 ΔU は、距離が 0 mm から 20 mm に増加するにつれて、11.35 V から 0 V まで指数関数的に減少しました。 FBSS の触覚出力信号 ΔR は変動することなく安定していました。外部物体と FBSS の距離が離れるにつれて静電誘導は徐々に弱まり、出力電圧は段階的に低下します。また、出力信号とFBSSに作用する垂直圧力との関係も調査しました（図3b）。圧力が 0 kPa から 30 kPa に増加すると、FBSS の触覚出力信号 ΔR は 0 から 17.24 Ω に増加し、非接触信号 ΔU は 0 から 3.2 V に増加しました。外部圧力の増加に伴い、液体金属チャネルの断面積は減少しました。、その結果、抵抗が増加しました。圧力が増加すると、外部の物体は FBSS に近づきます。これにより、外部物体と FBSS の間の静電誘導も強化されます。材料が異なれば電子親和力も異なるため、材料の種類は柔軟な誘電体層の表面電荷密度に影響を与える可能性があります。したがって、FBSS は材料の識別に使用できます (図 3c)。触覚信号 ΔR は常に 0 kPa のままでしたが、非接触信号は 20 mm のテスト距離で材料ごとに変化しました。これにより、FBSS はリアルタイムでマテリアルを区別できるようになります。 FBSSの触覚センシングの動的応答は約120ミリ秒であり、人間の皮膚の応答に近いです（補足図4A、B）。触覚信号ノイズとタッチレス信号ノイズは、それぞれ0.04Ωと0.12Vです（補足図5A、B）。タッチレス信号と触覚信号の最大信号対雑音比（SNR）は、それぞれ94.58と431.03です（補足図5C、D）。非接触実験と触覚実験で測定された最大解像度は、それぞれ0.05 mmと0.35 kPaです（補足図6A、B）。

a 触覚 (シアン) および非接触 (オレンジ) 出力信号は、表面 (ガラス) と FBSS の間のさまざまな距離の下でテストされました。 b 異なる負荷圧力下での触覚および非接触出力信号。補足資料と方法では、負荷実験についてさらに詳しく説明しました。 c 異なる材質の表面での FBSS の出力信号 (20 mm 以上の距離)。 d 温度、e 湿度、f 電磁干渉などの環境変化に対する FBSS の反応。 g プロトタイプの安定性と耐久性テストでは、FBSS が距離 20 mm、圧力 10 kPa での圧縮テストの荷重/除荷サイクルを 1,200 回以上耐えられることが示されています。 h、i テニスボール落下時のFBSSの高速画像と出力信号（落下距離200mm）。 j、k 人間の指がFBSSを押したときのFBSSの画像信号と出力信号。赤色の発光ダイオード (LED) は、誘導されたタッチレス信号がしきい値を超えたときに点灯するようにプログラムされていました。指がFBSSに触れると青色のLEDが点灯しました。エラーバーは標準偏差を表し、n = 5 の独立した反復を表します。

環境要因が FBSS のセンシング性能にどのような影響を与えるかを評価するために、FBSS に対する温度、湿度、電磁干渉の影響を実験的にテストしました。出力タッチレス信号は、温度が 15 °C から 30 °C に上昇するにつれて増加し、その後温度がさらに上昇しても安定したままになります (図 3d)。出力される触覚信号は、温度が上昇してもほとんど変化しません。 FBSSの出力信号に対する湿度の影響を調査しました（図3e）。湿度が 31.4% から 71.4% に上昇すると、タッチレス信号は徐々に減少します。出力される触覚信号は、湿度が増加してもほとんど変化しません。電磁干渉が増加しても、非接触信号と触覚信号は変化しません（図3f）。 FBSS の長期安定性も、10 kPa の外部圧力および 20 mm の距離下で検証されています。同じ条件で 1200 サイクルにわたる FBSS の出力を測定しました (図 3g)。結果には明らかな波形変化は見られず、これは FBSS が長期間使用されたことを示しています。

私たちは、人間や外部環境と対話する際の FBSS のセンシング能力を検証するために一連のテストを実行しました。まず、FBSSを使用して、初期高さ200 mmでFBSSの上に置かれたテニスボールの落下プロセスを検出しました（図3h）。高速カメラ (Photron Ltd、FASTCAM Mini UX100) は 250 fps のサンプリングレートでプロセス全体を記録し、FBSS は触覚信号と非接触信号の両方を記録しました。落下プロセスは 3 つの段階に分けられました (図 3i および補足ムービー 2)。段階 (i) では、テニスボールは初期の高さから落下を開始し、FBSS に近づきます。ただし、テニスボールはまだ FBSS の検出範囲に入っていないため、出力信号は安定しています。段階 (ii) では、テニスボールが落下し続け、FBSS の検出範囲に入ります。テニスボールがまだ FBSS に接触していないため、非接触信号 ΔU は 0 から -4.56 V に減少しますが、触覚信号 ΔR は 0 Ω のままです。段階 (iii) では、テニスボールが FBSS に接触します。非接触信号 ΔU は -4.56 V から -5.81 V にさらに減少し、触覚信号 ΔR は 0 Ω から 0.83 Ω に急激に増加します。さらに、FBSS が空気中を落下する羽の非接触距離を認識し、区別できることも示します (補足ムービー 3)。

私たちは人間の指で FBSS の触覚および非接触センシング能力をテストしました。 FBSSは、触覚（青色LED）および非接触（赤色LED）の感覚フィードバックに基づいて2つのLEDを制御するサンプル回路に接続されました（図3j）。指がFBSSに近づいて押すプロセス全体を記録しました（図3kおよび補足ムービー4）。段階 (i) では、指は FBSS の表面から 50 mm 離れており、両方の LED はオフでした。段階 (ii) では、指が FBSS に近づくと、赤色 LED が点灯し、青色 LED は消灯したままになります。記録された感覚データは、出力触覚信号 ΔR が変化しないままである一方で、出力非接触信号 ΔU が 0 から 0.56 V に増加したことを示しました。段階 (iii) では、指が FBSS を押すと、青色 LED が点灯し、赤色 LED の輝度が増加しました。この結果は、FBSS が人間の指からの触覚情報と非接触情報を認識できることを直感的に示しています。

ソフトロボットにFBSSを装備するために、曲げたり短縮したりできるソフトマニピュレータセグメントとFBSSを統合しました。人間の手は、ソフトマニピュレータセグメントの曲げおよび短縮動作を非接触で制御できます（図4a、bおよび補足ムービー5）。ソフトマニピュレーターセグメントは、FBSSのタッチレス出力信号が所定の閾値に達したときに変形するようにプログラムされました（制御フローチャートは補足表1に示されています）。砂の中に埋められたFBSSを備えた柔らかい折り紙ロボットは、ロボットの昆虫の接近を感知し、アクチュエーターを膨張させることによって昆虫をつかむことができました（図4cおよび補足ムービー6）。

人間の手が近づくと、空気圧で作動する 3 自由度のソフトマニピュレーターを非接触で制御し、曲げたり縮めたりします。 c FBSS を備えた空気圧作動の柔らかい折り紙ロボットが、おもちゃの虫を検出して掴むことに成功しました。 d FBSS を搭載したソフトロボットグリッパーがプラスチック円筒物体を自律的に探索、検出、把握するデモンストレーションを行います。 e このプロセス中の触覚および非接触感覚出力が時間に対してプロットされます。探索（シアンのシェーディング）、検出（緑色のシェーディング）、把握（オレンジのシェーディング）のプロセスをリアルタイムで区別できます。

FBSSをソフトロボットグリッパーの先端と統合することにより、触覚および非接触センシングを通じて物体を「検索および把握」する機能を与えました（補足図7A、Bおよび補足ムービー7）。プロセス全体はさまざまな段階に分割できます (図 4d、e)。当初、触覚信号 ΔR と非接触信号 ΔU は両方とも無視できる程度でした。剛性ロボットアームが水平に移動し、グリッパーがプラスチックシリンダーに近づくと、非接触信号 ΔU が上昇し始めますが、触覚信号 ΔR は低いままです。対象物を「識別」するためのタッチレス信号の閾値は 0.1 V に設定されました。信号がこのレベルを超えると、ソフトロボットが対象を掴み始めました。触覚信号 ΔR は上昇し、安定したグリップが得られるまでタッチレス信号 ΔU はさらに増加しました。これらの実験シナリオは、FBSS が触覚および非接触知覚を通じてソフトロボットインタラクションを効果的に実現できることを示しています。

ソフトロボットと人間の間のよりインテリジェントなインタラクションをさらに調査するために、FBSS を使用した柔軟なインターフェイスとインタラクティブな方法を提示しました (図 5 および「方法」セクション)。柔軟なインターフェイスとインタラクティブな手法を通じて、人間がソフトマニピュレータに 2 次元 (2D) および 3 次元 (3D) 空間での動きをインタラクティブに教えることができることを実証しました。

a ソフトマニピュレーターの概略図。3 つのセグメントで構成され、各セグメントには空気圧で作動する 3 つのチャンバーが含まれています。 FBSS は、背面に 3 つの磁石が付いた柔軟な円弧形のパッチ上に配置されます。ソフトマニピュレーターの各セグメントの底部にも小さな磁石が配置されているため、FBSS の位置を素早く移動できます。 b 曲げセグメントの幾何関数。ここで、φi は z 軸の周りのセグメントの偏向角です。 θi は、y 軸の周りのセグメントの曲率角度です。 ri はセグメントの曲率半径です。 li はセグメントの円弧の長さです。 rij は各アクチュエータの曲率半径です。 lij は各アクチュエータの円弧長です。 c 作動、関節、構成空間とそれらの間のマッピングは、逆運動学 (finv) を定義します。 d インタラクティブティーチング用の閉ループ制御フレームワーク。ここで、V は FBSS の測定電圧、Sout は正規化された電圧信号、θh は計算されたステップ長、pij は各ソフトアクチュエータの空気圧を表します。 e ステップ長 θh と正規化された電圧信号 Sout のマッピング。 f インタラクティブティーチングの実験結果: ステップ長の関数としてのソフトマニピュレータの実行時間と位置誤差。箱ひげ図は、中央値 (中央線)、25 パーセンタイル、75 パーセンタイル (箱)、最大値と最小値 (ひげ)、および平均値 (単一点) を示します。 g インタラクティブティーチングを備えたソフトマニピュレーターのシミュレートされたワークスペース。エラーバーは標準偏差を表し、n = 5 の独立した反復を表します。

インタラクティブな教育方法に基づいて、ユーザーはソフトマニピュレーターに2D空間でオブジェクトを把握するように教えました（図6aおよび補足ムービー8）。わかりやすく説明するために、指導プロセスを 4 つのステップに分けます。ステップ (i) では、ユーザーの手と FBSS の間の距離を変更することで、ソフトマニピュレーターの初期長さを制御するユーザーの能力を示しました。このステップにより、ユーザーは最初の 5 秒間のソフトマニピュレーターの有効長を選択できるようになりました。ステップ (ii) では、ユーザーは FBSS センサーに手を近づけて、ソフトマニピュレーターを非接触で「曲げ」ました。より具体的には、ユーザーは、ソフトマニピュレータをいくつかの大きな個別のステップで「曲げ」てターゲットオブジェクトに向かって移動する、複数の接近-離脱アクションの戦略を適用することを選択しました。この過程で、正規化された非接触信号 ΔU の変動幅は 0 からほぼ 1 まで変化しました。一方、出力触覚信号 ΔR はほぼ 0 で変化しませんでした。ステップ (iii) で、ソフトマニピュレータが目標位置に近づくと、ユーザーは、ソフトマニピュレータを最後の数センチメートルまで移動するために、大きなステップから小さなステップに切り替えました。ここで、正規化された非接触感覚出力は 0.2 から 0.5 の間で変動しました。ステップ (iv) では、ソフトグリッパーがターゲットオブジェクトに到達すると、ユーザーは FBSS を押して掴み動作をトリガーします。正規化された非接触信号と触覚信号の急激な増加が観察されます。私たちの論理アルゴリズムを通じて、触覚信号出力がしきい値を超えると、ソフトマニピュレーターは教示タスクを終了し、グリッパーを閉じます（補足表2）。最後に、ソフトマニピュレータはターゲットオブジェクトを掴むことに成功し、自動的に初期位置に戻りました。

a 2 次元教示プロセス中の FBSS の触覚信号と非接触信号、およびユーザーがソフトマニピュレータに非接触方法で物体を掴むように教示する瞬間。 i ソフトマニピュレータを曲げて握る前に、ユーザーは手と FBSS (オレンジ色の網掛け) の間の距離を制御して、ソフトマニピュレータの適切な長さを選択しました。 ii ユーザーは、最初に FBSS に手を非常に近づけて大きなステップサイズ (青のシェーディング) を適用し、次にステップ iii で FBSS から短い距離を維持することによって小さなステップサイズ (緑のシェーディング) を適用しました。 iv ソフトグリッパーがオブジェクトに到達すると、ユーザーは FBSS の「ボタン」を押してオブジェクトを掴みます (紫色の影)。 b–d 3 つの異なる位置で物体を掴んだときのティーチングと反復軌道の比較。 e 3 次元教示中の FBSS I および II の触覚および非接触信号、およびユーザーがソフトマニピュレータに 3 次元空間で物体を把握するように非接触で教示する瞬間。 i ユーザーは、FBSS I (青色の陰影) に向かって左手でアプローチし、大きなステップで平面曲げを制御します。 ii ユーザーが平面曲げを小さなステップで制御しています (FBSS I に向かって左手でアプローチする場合も同様) (紫色の網かけ)。 iii ユーザーは、右手で FBSS II (緑色の網掛け) に向かってアプローチし、面外曲げを制御します。 iv ソフトグリッパーがオブジェクトに到達したら、ユーザーは FBSS の「ボタン」を押してオブジェクトを掴みます (オレンジ色の網掛け)。 f – h 3 つの異なる位置で物体を掴んだときのティーチングと反復の軌跡の比較。軌跡は 3 次元空間 (x-y、y-z、および x-z 平面) で示されます。

システムは教示プロセスにおけるソフトマニピュレータの駆動ステップサイズシーケンスを同時に記録するため、ソフトマニピュレータを作動させて動きを繰り返し、教示された動作全体を「再生」できます。ティーチングプロセスと繰り返しプロセス中のリアルタイムの駆動空気圧を比較しました（補足図8A、B）。 2 つの気圧曲線は、両方のプロセスでほぼ同じ変化を示しています。ソフトマニピュレータが低位置、中位置、高位置で物体を掴む様子を示し、インタラクティブティーチングの結果を実証しました（補足動画9）。ティーチングプロセスにはそれぞれ 53 秒、53 秒、59 秒かかりました。ティーチングフェーズとリプレイフェーズ中のソフトマニピュレータの軌道は互いによく一致していました（図6b〜d）。また、教示軌道を加速および減速して再生することもでき (補足ムービー 10)、マニピュレータのタスク実行の柔軟性が高まります。

また、ソフトマニピュレーターの経路上に障害物が配置された制約された環境でのオブジェクト把握の対話型教育も実行しました（補足図9A〜E）。結果は、ソフトマニピュレータが接触変形を引き起こす障害物に遭遇しても、40秒以内に物体を首尾よく掴むことができることを示しています(補足ムービー11)。一般的な状況では、ソフトマニピュレータが制約された環境で動作できるようにするには、多大なモデリングとプログラミングの作業が必要です。対照的に、現在の対話型メソッドでは追加のプログラミングは必要ありませんでした。

ソフトマニピュレーターに2つのFBSSを統合することにより、3D空間での対話型ティーチングを実現しました（論理アルゴリズムは補足表3に示されています）。ユーザーは、ソフトマニピュレーターに、両手で曲げ面の外にある物体を掴むように対話的に教えました（図6eおよび補足ムービー12、13）。教育プロセス全体は 4 つのステップに分けることができます。ステップ (i) では、平面空間でのインタラクティブなティーチングと同様に、ユーザーは左手を使って、複数の接近-離脱アクション (FBSS I に適用) を介して、いくつかの大きな個別のステップでソフトマニピュレーターを「曲げ」ました。 FBSS I の正規化されたタッチレス信号 ΔU の範囲は 0 から約 1 でした。ステップ (ii) では、ユーザーはソフトマニピュレータをよりゆっくりと動かし、ソフトグリッパをマニピュレータと同じ水平レベルに配置するために、大きいステップサイズから小さいステップサイズに切り替えました。ターゲットオブジェクト。 FBSS I の正規化されたタッチレス信号 ΔU は、この段階では約 0.5 のままでした。ステップ (iii) では、ユーザーは右手を FBSS II に当て、ソフトマニピュレーターを元の平面から移動させました。エンドエフェクタは、これらの右側の接近と離脱の動作を数回繰り返した後、ターゲットオブジェクトに到達しました。 FBSS II の正規化されたタッチレス信号 ΔU も 0 から約 1 の範囲でした。最後に、ステップ (iv) で、ソフトグリッパーが対象物に到達すると、ユーザーは FBSS I を押して掴みをトリガーしました。ティーチングプロセスと繰り返しプロセスの両方で、リアルタイムの駆動空気圧を比較しました（補足図10A、B）。 2 つの気圧曲線は、両方のプロセスでほぼ同じ変化を示しています。また、インタラクティブティーチングにより、ソフトマニピュレーターがそれぞれ低い位置、中程度の位置、高い位置にある物体を把握できることも実証しました（補足ムービー14）。これらの指導プロセスにはそれぞれ 51 秒、56 秒、61 秒かかりました。ティーチング中および反復中の 3 つのマニピュレーターの軌跡はすべて、優れた一致を示しています（図 6f–h）。この結果は、ユーザーがマニピュレータに 3D 空間での移動とアクションの実行を効果的に教えることができることを示しています。実験以来、10 人以上の初心者が、ソフトマニピュレータに 3D 空間でターゲットオブジェクトを把握するよう対話的に教えることに成功しました。

インテリジェントな FBSS 配置戦略を実証するために、FBSS を使用してソフトマニピュレータの複数のモーションモードを制御しました。ソフトマニピュレーター上の FBSS の取り付け位置を変更することで、左、右、後方への移動を教えることができます (補足図 11 および補足ムービー 15)。前の実験手順と同様に、ティーチング段階と再生段階中のソフトマニピュレーターの軌道は互いによく一致しました。対話型教育法の使いやすさを評価するために、2人の高度な専門家（本プロジェクトの研究者）と対話型ロボットシステムの経験のない初心者3人を含む複数の参加者による教育実験を実施しました。位置決め精度を評価するために、ソフトマニピュレーターの端にレーザーポインターを取り付けました（補足図12A）。参加者は、ソフトマニピュレーターをタッチレスで教えることで、ターゲット上のレーザーポインターの位置を制御できました。各参加者の指導セッション後に 10 回の位置決め誤差を測定しました。結果は、専門家の位置決め誤差は 10 回の試行すべてで 10 mm 未満であったのに対し、初心者の位置決め誤差は初期の試行では比較的大きかったことが示されました (補足図 12B)。注目すべきことに、最大 8 回の試行の後、参加者全員の位置決め誤差は 10 mm 未満でした。この結果は、非専門家でもインタラクティブな指導を通じてソフトマニピュレーターを正確に位置決めする方法を迅速に習得できることを示唆しています。

さらに複雑な移動運動を伴うソフトマニピュレータの対話型教示を可能にするために、「シフトセンサーと教示」方法を提案しました（図5aおよび補足図13）。具体的には、FBSS は、その後ろに 3 つの磁石を備えた柔軟な円弧形のパッチ上に配置されました。いくつかの小さな磁気シリンダーがソフトマニピュレーターの各セグメントの底部の周りに配置されました。磁気アタッチメントを使用すると、FBSS をソフトマニピュレータ上のさまざまな位置に迅速かつ正確に移動できます。したがって、人間のデモンストレーターは、対話するセグメントを選択し、FBSS パッチを対応するセグメントに簡単に移動して、タッチレスでソフトマニピュレーターを教えることができます。そこで、この方法を「センサーの移動とティーチング」と名付けます。

提案された「シフトセンサーとティーチング」方法を使用して、2D および 3D 空間での複雑な移動を伴うソフトマニピュレーターのインタラクティブなティーチングを示します。 FBSS I および FBSS II の正規化された非接触および触覚信号も時間に対してプロットされています (図 7)。

FBSS I および FBSS II の正規化された非接触および触覚信号対時間。各パネルの赤と青の矢印は、ユーザーがソフトマニピュレータと異なる方法で対話するために、FBSS をある位置から別の位置に移動していたことを示します。 a デモンストレーターは、「センサーを移動してティーチング」という方法を使用して、2 次元の動きをティーチングします。 b 「センサーを移動させて教示する」方法を適用することにより、複雑な三次元移動運動を対話的に教示する。

「センサーのシフトと教示」方法を使用して、ユーザーはソフトマニピュレーターに 2D の「S」字形を達成するように対話的に教示しました (図 7a および補足ムービー 16)。ステップ (i) では、2 つの FBSS をソフトマニピュレーターの 3 番目のセグメントの底部に配置しました。デモンストレーターの両手が 2 つの FBSS に同時に近づくと、ソフトマニピュレーターの 3 つのセグメントすべてが短縮され、ティーチングモードに入りました。ステップ (ii) では、デモンストレーターは FBSS I を最初のセグメントの右側に移動し、次に右手を使用して最初のセグメントを左側に曲げました。次に、デモンストレーターは FBSS I を押して最初のセグメントをロックしました (iii)。ステップ (iv) では、デモンストレーターは FBSS II を 2 番目のセグメントの左側に移動し、左手を使用して 2 番目のセグメントを右に曲げ、FBSS II を押して 2 番目のセグメントをロックしました。ステップ (v) では、FBSS I が 3 番目のセグメントの右側にシフトされました。デモンストレーターは右手を使用して 3 番目のセグメントを左に曲げ、FBSS I を押して 3 番目のセグメントをロックし、タッチレス指導セッションを終了しました。この手法では、FBSSセンサーを3回移動させる「センサー移動＆ティーチング」手法により、ソフトマニピュレーターの平面S字形状を実現しました。

「センサーの移動と教育」方法を適用することにより、3D 空間での複雑な移動を伴うインタラクティブな教育セッションを示します (図 7b および補足ムービー 17、18)。ステップ (i) では、ソフトマニピュレータがトリガーされて教示モードに入りました。ステップ (ii) では、デモンストレーターは FBSS II を最初のセグメントの右側に移動し、次に右手を使用して最初のセグメントを左側に曲げました。次に、デモンストレーターは FBSS II センサーを押して、最初のセグメントを現在の方向に「ロック」しました (iii)。ステップ (iv) では、FBSS I が最初のセグメントの後ろに移動され、右手でソフトマニピュレーターを「曲げ」て外側に移動しました。次に、FBSS I を押して最初のセグメントを「ロック」しました。ステップ (v) で、FBSS II を 2 番目のセグメントの左側に移動しました。デモンストレーターは左手を使用して 2 番目のセグメントを右に曲げ、FBSS II を押して現在の方向に 2 番目のセグメントを「ロック」しました。ステップ (vi) では、FBSS I が 2 番目のセグメントの前に移動されました。次に、デモンストレーターは右手を使用して 2 番目のセグメントを内側に曲げ、FBSS I を押して 2 番目のセグメントを「ロック」しました。最後のステップ (vii) では、FBSS II が 3 番目のセグメントの左側に移動されました。デモンストレーターは左手で 3 番目のセグメントを右に曲げ、FBSS II を押して 3 番目のセグメントをロックし、タッチレスティーチングセッションを終了しました。そこで、FBSS センサーを 5 回移動させる「センサー移動とティーチング」手法を用いて、ソフトマニピュレーターの複雑な 3D 構成（ソフトマニピュレーターの 9 つのチャンバーすべてが関与することに注意）を実現しました。これらの教育プロセスには、それぞれ 197 秒と 350 秒かかりました。実験結果は、「センサーの移動とティーチング」方法が、ソフト連続ロボットの複雑な 3D 構成を可能にするのに簡単かつ効果的であることを示しています。

私たちは、人間がソフトマニピュレーターと緊密に対話して、別の困難なタスクを完了できることを示します。水彩ペンはマニピュレーターの端に取り付けられました (図 8a)。この設定を使用して、紙上の迷路を「ナビゲート」するための動きを実行するようにマニピュレーターに教えました（図8bおよび補足ムービー19）。ソフトマニピュレーターはティーチング後にトレースを繰り返しました (図 8c)。 FBSS IおよびIIの出力信号は、〜240秒の教育期間にわたって記録されました（図8d）。

a ソフトマニピュレーターに迷路の完成を教えるための実験セットアップの写真。 b、c ティーチングおよび繰り返しプロセス中のマニピュレーターの迷路のトレース。 d 迷路完了教示プロセス中の信号の曲線。 e ソフトマニピュレーターに喉の綿棒を採取する対話型教育の写真と f 信号曲線。 g ソフトマニピュレータに障壁を越えて造花をうまく掴むようにインタラクティブに教えます。

また、公衆衛生の観点から重要なタスクを実行するマニピュレーターの能力も示します。新型コロナウイルスのパンデミックが世界中に広がり続ける中、医療検査では喉のぬぐい液を使用することが一般的になっている。しかし、収集過程で感染のリスクを負う医療従事者に負担がかかっていることは間違いない。この問題に対処するために、対話型システムを使用して、ソフトマニピュレーターに喉の綿棒を採取するように教えました（図8e、fおよび補足ムービー20）。まず、ソフトマニピュレーターの先端に綿棒を取り付けます。ユーザーは、ソフトマニピュレータの最初の 2 つのセグメントを手で非接触で曲げて、綿棒の位置を制御できます。スワブが目標位置に到達したら、ユーザーは FBSS を押してソフトマニピュレータの 3 番目のセグメントを伸ばし、喉のスワブサンプルを収集します。インテリジェントな対話型システムは、医療従事者が大規模なトレーニングなしで使用できるほどシンプルであり、ソフトマニピュレーターは 1 回の教育プロセスだけで動作を自律的に繰り返すことができます。従来の剛体ロボットと比較して、ソフトマニピュレータは、その柔らかい素材と柔軟な構造により、人間との相互作用において本質的に安全です。リアルタイムの駆動空気圧は、ティーチングプロセスと繰り返しプロセス中に比較されました（補足図14）。 2 つの気圧曲線は、両方のプロセスでほぼ同じ変化を示しています。

最後に、FBSSを5回シフトすることで、ソフトマニピュレーターが障壁を越えて造花をうまく掴むように「教育」できることを示します（図8gおよび補足ムービー21、22）。バリアを越えるために、タッチレスで 3 番目のセグメントを外側に曲げ (i)、最初のセグメントを短く制御しました。次に、2 番目のセグメントを右に曲げ (ii)、3 番目のセグメントを上向きに内側に曲げます (iii)。花を掴むために、3 番目のセグメントを下方に曲げ (iv)、グリッパーが FBSS II を押して花を掴みました (v)。全プロセスは約 318 秒続きました。実験結果は,ソフトロボット多自由度制御の実用化における「センサの移動と教示」法の利点を示し,ソフトロボットの多自由度制御のための新しいスキームを提供した。

この論文では、触覚刺激と非接触刺激に応答し、2 つのモードをリアルタイムで区別するフレキシブルバイモーダルスマートスキン (FBSS) プロトタイプを開発しました。 FBSSをインターフェースとして使用し、ヒューマン-ソフトロボットの非接触対話型教示方法を提案し、連続ソフトマニピュレータ上でこの方法を体系的にテストしました。複雑な動作を実行するためのこのインタラクティブな教育方法は、FBSS への素手のタッチレスアプローチによって直感的に実現されました。この方法を使用して、「素朴な」ソフトマニピュレータに 3D 空間内を移動し、絵を描く、喉の綿棒を採取する、障害物を越えて物体を掴むなどの単純なタスクを実行するように教えることに成功しました。このインタラクティブな教示方法により、専門知識がなくても、非専門家でもさまざまな作業でソフトロボットを操作できるため、ソフトロボットの実用化がさらに広がる可能性があると考えています。

その他の関連するセンシング方法に関しては、触覚刺激や非接触刺激を検出できるセンサーが他にもいくつかあります。例えば、磁気バイモーダルスキンは、上面にピラミッド型の突出部を備えた磁性膜を介した巨大磁気抵抗（GMR）効果に依存しています50。巨大磁気抵抗センサーがフィルムの周囲の磁場を検出すると、その抵抗が変化します。ただし、このセンサーではフィルムに接触する物体が磁性である必要があるため、感知される物体の材料特性はかなり制限されます。対照的に、摩擦電気センサーは広範囲の物質を検出できます。

摩擦電気電子スキンの高い柔軟性と感度により、ソフトロボットはセンシング機能とインタラクション機能の両方を持つことが可能になりました。柔軟な摩擦電気スキンは、主に柔軟な電気フィルムと誘電フィルムで構成されており、接触帯電と静電誘導を通じて、触覚刺激と非接触刺激をそれぞれ電圧信号に変換できます。触覚刺激と非接触刺激は電気的変化の同じ傾向をもたらし、摩擦電気皮膚がこれら 2 つのモードをリアルタイムで区別するのは難しいことに注意する必要があります 43,44。摩擦電気と液体金属の感覚機構を組み合わせることで、当社の FBSS は触覚情報と非接触情報の両方を同時に感知でき、2 つのモードをリアルタイムで区別できます。 FBSSは柔軟で伸縮性があるため、大きな変形にも適しており、ソフトロボットセンシングに使用できます。さらに、FBSS は相互作用中に広範囲の物質を感知できます (図 3c)。 FBSS を他の触覚/タッチレスセンサーと比較しました (補足表 4)。将来的には、微細ピラミッド構造と液体金属チャネルを最適化することで、FBSS センシング精度をさらに向上させることができます。

人間によるソフトロボットの対話型教育に関するこれまでの報告はほとんどありません。私たちが提案する方法論には、動きを教えるための次のような独自の特徴があります。(1) この方法は、人間の参加者の自然な手と目の協調による非接触の近距離制御に基づいており、直感的かつ簡単です。 (2) 指導結果は時間と精度の点で非常に効果的です。タッチレスのインタラクティブな指導方法により、ソフトマニピュレーターのほとんどの 3D 動作は数分以内に完了しました。

従来の剛体ロボットマニピュレータの「接触」教示アプローチ（つまり、人間のオペレータによって加えられる力に応じてロボットのエンドエフェクタで従順な動作を実現する）は、ソフトロボットの教示には問題があります46。たとえば、人間の手で操作されるソフト連続体マニピュレータの受動的変形を捕捉するには、多くのソフトセンサーが必要となり、後の形状と構成の再構築が複雑になります。対照的に、ロボットによる教育スキルや経験を持たない人間の被験者は、この教育方法の実用性と有効性を検証しました。さらに、教育プロセス中に非接触/触覚情報を記録および分析し、ソフトロボットの動きを再生することは、人間がどのようにロボットと非接触で対話することを好むかを説明するのに役立ちます。さまざまな個人の手の動き、特にロボットに近づくときの動きの記録は、対話型システムを改良するのにさらに役立ちます。

この研究の限界という観点から、本研究では 2 つのソフトセンサーを使用してインタラクティブインターフェイスを作成しました。将来の作業では、よりインタラクティブなソフトセンサーをソフトマニピュレーターに組み込んで、ロボットの形状のより複雑な制御を可能にし、より多くのフィードバックを取得できるようにする予定です。さらに、FBSS を使用してマルチセンサーアレイを開発し、新たな機械学習ツールを組み込むことで、タッチレスインタラクションを通じて確立されるさまざまな形態による、より複雑なロボット動作が可能になります。たとえば、人間のジェスチャーやソフトロボットの環境オブジェクトを認識するための ML トレーニング用に大量の感覚データを収集します。さらに、複雑な環境において FBSS を使用して人間の手と物体または障害物を区別できる機能は、現在の教育方法をさらに補完します。

この研究では、シンプルで再現性があり、堅牢な空気圧作動のソフトロボットを使用しました。応答性のある材料により、ソフトロボットは光、磁場、電気、化学物質などのさまざまな刺激を通じて動作することができます 53。また、折り紙やメタマテリアルなどのソフトマテリアル構造は、タッチレスのインタラクティブな教育方法を通じて複雑な動作を可能にします 54。私たちは、対話型ソフトロボットが、さまざまな分野でますます多くの人間の参加者と協力して作業できるようになると考えています。

まず、パターン化されたカプトンフィルムをシャドウマスクとしてきれいなシリコンウェーハに貼り付けました（補足図15A）。次に、Ag NW ネットワーク溶液をウェーハ上にスプレーし、溶媒を 60 °C で 15 分間蒸発させました。薄いシリコーンゴム層をウェハー上にスピンキャストし、60 °C で 4 時間硬化させました。次に、硬化したシリコーンゴムをウェーハから注意深く剥がし、Ag NW ネットワークをシリコーンゴム上に転写しました。

微小ピラミッド洞窟（深さ = 320 μm、幅 = 500 μm）を備えた SLA モールドは、最初に超精密 3D プリンターで印刷されました（補足図 15B）。次に、シリコーンゴム (スムーズオン、ドラゴンスキン 00 ～ 20) を金型上にドロップキャストし、室温で 4 時間硬化させました。硬化したシリコーンゴムを金型から注意深く剥がし、その上に微細ピラミッド構造を転写しました。

液体金属プリンター（DREAM Ink、DP-1）を使用して、パターン化された液体金属がプラスチック基板上に印刷されました（補足図16）。シリコーンゴム (スムーズオン、ドラゴンスキン 00-20) をパターン化された液体金属上にドロップキャストし、室温で 4 時間硬化させました。パターン化された液体金属を基板からシリコーンゴム上に転写するために、それらを-140 °Cの冷蔵庫に40分間入れました。硬化したシリコーンを基板から注意深く剥がし、パターン化された液体金属をシリコーンに埋め込みました。追加のシリコーンゴム (スムーズオン、ドラゴンスキン 00-20) をパターン化された液体金属の別の面にドロップキャストし、室温で 4 時間硬化させました。

ソフトマニピュレーターは、物体をつかむために設計および製造されています（補足図17）。ソフトマニピュレータは主に 3 つのソフトアクチュエータモジュールとエンドエフェクタとしてのソフトグリッパで構成されます (図 5a)。ソフトマニピュレータには 10 個の空気圧チャンバーがあり、各曲げセグメントには 3 つのチャンバーがあります (合計 3 つの曲げセグメント)。エンドエフェクターは 4 本の指を持つソフトグリッパーであり、1 つの空気入口によって作動します。

ティーチングプロセス中、ソフトマニピュレータの動作は、区分的一定曲率 (PCC) の仮説に基づく運動学モデルに従います。ソフトマニピュレータの形状は、曲率が一定の固定数のセグメントで構成されていると考えます。運動学モデルは、構成空間 (円弧パラメーター κi、θi、φi) から作動空間 (チャンバー圧力 pij) に変換します。より具体的には、インデックス i = 1、2、3 および j = 1、2、3 は i 番目のセグメントを参照し、それぞれj番目の部屋。円弧パラメータ κi を i 番目のセグメントの曲率半径、θi を y 軸周りの曲率角度、φi を z 軸周りの偏向角として定義します (図 5b、c)。定数パラメータ d は、作動を開始する前に測定できます。まず、式 1 に示すように、与えられたアークパラメーター κi、θi、φi (ri = κi−1) からチャンバー長 lij を解きます。 (1)

次に、校正された圧力と長さの関係 (補足図 18) を追加すると、チャンバー長さ lij から作動圧力 pij を計算して、モデルベースの制御を完了できます。

教示プロセスは人間の手がFBSSに近づくことから始まり、FBSSは距離情報を電圧信号に変換します（図5dおよび補足表2）。まず、式 (1) を通じて電圧信号を正規化します。 (2)、サンプリング周波数 100 Hz:

ここで、Sout は正規化された電圧信号、V は FBSS の測定電圧、Vmax は FBSS の最大電圧出力、Vinit は FBSS の初期電圧出力です。次に、10 倍のサンプリング周波数平均フィルターを使用して信号からノイズを除去します。 FBSSフィードバック信号から可変ステップ長を取得するには、式5に示すように、ステップ長のマッピングとして双曲線正接関数を実装します（図5e）。 (3):

ここで、θh は計算されたステップ長、hinit は初期ステップ長、k1、k2 は双曲線正接関数のパラメータです。そして、式(1)の現在の曲げ角度θ0に歩幅が加算されます。 (4):

曲げ角度 θ を運動学モデルに代入してソフトマニピュレーターのチャンバー圧力 pij を計算し、マルチチャネル空圧システムが圧力 pij で作動を実行します。最後に、FBSS が物理的接触を記録すると、ソフトマニピュレーターがグリッパーをトリガーしてグリップ動作を完了します。

非接触インタラクションプロセス中、ソフトマニピュレーターのエンドエフェクターは、3D 空間内の人間の手の動きによってガイドできます。エンドエフェクタの位置は、オペレータの視覚によって決定できます。

さまざまなステップ長制御戦略の下での教育エラーを評価しました。ソフトマニピュレーターのエンドエフェクターにレーザー送信機を取り付け、エンドエフェクターの位置を追跡しました。インタラクションプロセス全体を通じて、時間コストと位置誤差が記録され、各テストが 5 回繰り返されます。可変ステップ長戦略の平均実行時間と位置誤差は、それぞれ 24.3 秒と 4.6 mm です (図 5f)。したがって、私たちは対話型の教育に可変ステップ長戦略を採用しました。ソフトマニピュレーターの作業スペースは、長さ 568 mm、幅 591 mm、高さ 334 mm です (図 5g)。これにより、人間のユーザーの幅広いインタラクティブな移動が保証されます。

FBSS の抵抗は、同期データ収集カード (National Instruments、USB-6356) を使用して測定されました。電圧、電流、および転送電荷は、電位計 (Tektronix Inc.、Keithley 6514) を使用して測定されました。

この調査で生成されたデータは、ソースデータファイルで提供されます。ソースデータはこのペーパーに付属しています。

Hsiao, J.-H.、Chang, JY & Cheng, CM ソフト医療ロボティクス: 臨床および生物医学への応用、課題、将来の方向性。上級ロボット。 33、1099–1111 (2019)。

記事 Google Scholar

Hu, W.、Lum, GZ、Mastrangeli, M.、Sitti, M. マルチモーダル移動機能を備えた小型の軟体ロボット。 Nature 554、81–85 (2018)。

論文 ADS CAS PubMed Google Scholar

Walsh, C. ソフトウェアラブルロボットの人間参加型開発。ナット。メーター牧師。 3、78–80 (2018)。

記事 ADS Google Scholar

Kim, Y.、Parada, GA、Liu, S. & Zhao, X. 強磁性ソフト連続体ロボット。科学。ロボット。 4、1–16 (2019)。

記事 CAS Google Scholar

リー、G.ら。マリアナ海溝の自家発電ソフトロボット。 Nature 591、66–71 (2021)。

論文 ADS CAS PubMed Google Scholar

Thandiackal、R. et al. 局所的な流体力学的な力のセンシングに基づいた、堅牢な自己組織化波状水泳の出現。科学。ロボット。 6、eabf6354 (2021)。

Naclerio, ND et al. 地底の力を制御することで、高速で操縦可能な穴を掘るソフトロボットが可能になります。科学。ロボット。 6、eabe2922 (2021)。

リー、L.ら。空と水の境界を越えたり、地表をヒッチハイクしたりできる空・水ロボット。科学。ロボット。 7、eabm6695 (2022)。

論文 PubMed Google Scholar

Xie、Z.ら。タコの腕からインスピレーションを得た先細のソフトアクチュエーターには吸盤が付いており、掴みやすさを向上させています。ソフトロボット。 7、639–648 (2020)。

論文 PubMed Google Scholar

グー、Ｇら。筋電制御と触覚フィードバックを同時に提供する柔らかい神経義手。ナット。バイオメッド。工学 https://doi.org/10.1038/s41551-021-00767-0 (2021)。

Wehner、M. et al. 完全にソフトな自律ロボットのための統合された設計と製造戦略。ネイチャー 536、451–455 (2016)。

論文 ADS CAS PubMed Google Scholar

ゴング、Z.ら。浅瀬での効率的な繊細な把握のためのソフトマニピュレータ: モデリング、制御、実世界の実験。内部。 J.ロブ解像度 40、449–469 (2021)。

記事 Google Scholar

キム、W.ら。生物からインスピレーションを得たデュアルモーフィング伸縮性折り紙。科学。ロボット。 4、eaay3493 (2019)。

Coevoet、E. et al. ソフトロボットのモデリング、シミュレーション、制御のためのソフトウェアツールキット。上級ロボット。 31、1208–1224 (2017)。

記事 Google Scholar

Rucker, DC & Webster, RJ の Springer Tracts in Advanced Robotics Vol. 79、645–654 (IEEE、2014)。

Rucker, DC、Jones, BA & Webster, RJ III 外部から負荷がかかる同心管連続体ロボットの幾何学的に正確なモデル。 IEEEトランス。ロボット。 26、769–780 (2010)。

記事 PubMed PubMed Central Google Scholar

Trivedi, D.、Lotfi, A. & Rahn, CD ソフトロボットマニピュレーター用の幾何学的に正確なモデル。 IEEEトランス。ロボット。 24、773–780 (2008)。

記事 Google Scholar

Hannan、MW & Walker、ID Kinematics、象の鼻マニピュレーターおよびその他の連続体スタイルのロボットの実装。 J.ロボット。システム。 20、45–63 (2003)。

論文 PubMed MATH Google Scholar

Pan, Y.、Chen, C.、Li, D.、Zhao, Z.、Hong, J. RGB-D イメージングと姿勢教示装置を使用した拡張現実ベースのロボット遠隔操作システム。ロボット。計算します。統合します。メーカー 71、102167 (2021)。

記事 Google Scholar

Weng, C.、Yuan, Q.、Suarez-Ruiz, F.、Chen, I. 航空宇宙マスキングスキルを教えるための遠隔操作ベースの人間とロボットのコラボレーション方法。 IEEEトランス。インドに知らせる。 16、3076–3084 (2020)。

記事 Google Scholar

Du, G.、Yao, G.、Li, C. & Liu, P. 自然な人間とロボットのインタラクションと視覚支援アルゴリズムに基づいた、オフライン/マージ/オンラインのロボット教示方法。 IEEE/ASME Trans. メカトロニクス 1–12、https://doi.org/10.1109/TMECH.2021.3112722 (2021)。

ファン、FR 他透明な摩擦電気ナノ発電機と、微細パターンのプラスチックフィルムをベースにした自己給電式圧力センサー。ナノレット。 12、3109–3114 (2012)。

論文 ADS CAS PubMed Google Scholar

ヤン、Ｙら。生体力学的エネルギーを収集し、自己給電型のアクティブ触覚センサーシステムとして使用する、人間の皮膚ベースの摩擦電気ナノ発電機。 ACS Nano 7、9213–9222 (2013)。

論文 CAS PubMed Google Scholar

Wang, ZL 自己給電システム用の新しいエネルギー技術として、またアクティブな機械的および化学的センサーとしての摩擦電気ナノ発電機。 ACS Nano 7、9533–9557 (2013)。

論文 CAS PubMed Google Scholar

レン、Z.ら。摩擦電気ナノ発電機に基づいて垂直力と接線力の両方を検出する、完全に弾性のある金属を含まない触覚センサーです。上級機能。メーター。 28、1802989 (2018)。

記事 CAS Google Scholar

Zhao、G.ら。自己給電式の触覚センシング用の、透明で伸縮可能な摩擦電気ナノ発電機。ナノエネルギー 59、302–310 (2019)。

記事 CAS Google Scholar

Wang, ZL 新しいエネルギー技術としての摩擦電気ナノ発電機と自己給電型センサー - 原理、問題点、展望。ファラデーについて議論します。 176、447–458 (2014)。

論文 ADS CAS PubMed Google Scholar

Wang, Z.、Chen, J. & Lin, L. 新しいエネルギー技術および自己給電型センサーとしての摩擦電気ナノ発電機の進歩。エネルギー環境。科学。 8、2250–2282 (2015)。

記事 CAS Google Scholar

ヤオ、G.ら。ロボットの触覚センシングのための自己給電型電子スキンとしての、生体からインスピレーションを得た摩擦電気ナノ発電機。上級機能。メーター。 30、1907312 (2020)。

記事 CAS Google Scholar

ジン、T.ら。デジタルツインアプリケーションを目的としたソフトロボティクス用の摩擦電気ナノ発電機センサー。ナット。共通。 11、1–12 (2020)。

記事 ADS CAS Google Scholar

Zhang, S. et al. 摩擦電気センサーと統合されたソフトロボットグリッパーによる非破壊的な寸法選別。 ACS Nano 16、3008–3016 (2022)。

チェン、J.ら。自己動力による構成センシングを備えたソフトロボット。ナノエネルギー 77、105171 (2020)。

記事 CAS Google Scholar

Luo、J.ら。アスレチックビッグデータ分析における自己給電センシング用の、柔軟で耐久性のある木質摩擦電気ナノ発電機。ナット。共通。 10, 5147 (2019)。

論文 ADS PubMed PubMed Central CAS Google Scholar

Liu、Z.ら。経カテーテル自己電源型超高感度心内圧センサー。上級機能。メーター。 29、1–10 (2019)。

ADS Google Scholar

Zou、Y.ら。水中センシングとエネルギーハーベスティングのためのバイオニック伸縮性ナノ発電機。ナット。共通。 10、1–10 (2019)。

記事 ADS CAS Google Scholar

Liu、Y.ら。触覚センシング用の、薄い皮膚一体型の伸縮可能な摩擦電気ナノ発電機。上級電子。メーター。 6、1901174 (2020)。

記事 CAS Google Scholar

彼、J.ら。トランポリンからヒントを得た、表皮エレクトロニクス用の触覚センサーとしての伸縮可能な摩擦電気ナノジェネレーター。ナノエネルギー 81、105590 (2021)。

記事 CAS Google Scholar

ウー、M.ら。薄くて柔らかい、皮膚一体型のフォームベースの摩擦電気ナノ発電機で、触覚センシングとエネルギーハーベスティングを実現します。メーター。 Today Energy 20、100657 (2021)。

記事 CAS Google Scholar

Zhao、J.ら。圧力および磁気センシング用の柔軟な有機トライボトロニックトランジスタ。 ACS Nano 11、11566–11573 (2017)。

論文 CAS PubMed Google Scholar

Bu、T.ら。触覚およびジェスチャーセンシングのための伸縮性のある摩擦電気フォトニックスマートスキン。上級メーター。 30、1800066 (2018)。

記事 CAS Google Scholar

ウー、Ｈら。モーションセンシング用の自己電源式非接触電子スキン。上級機能。メーター。 28、1–10 (2018)。

ADS CAS Google Scholar

Shi、M.ら。セルフパワーのアナログスマートスキン。 ACS Nano 10、4083–4091 (2016)。

論文 CAS PubMed Google Scholar

ライ、Y.-C. 他。自己動力式で拡張性が高く、高感度の摩擦電気近接感知スキンおよび圧力感知スキンによって実現される、能動的に認識して応答するソフトロボットです。上級メーター。 30、1801114 (2018)。

記事 CAS Google Scholar

Chen, S.、Pang, Y.、Yuan, H.、Tan, X.、Cao, C. 自己動力式トライボスキンによって実現されるスマートソフトアクチュエータとグリッパー。上級メーター。テクノロジー。 5、1901075 (2020)。

記事 Google Scholar

Du, G.、Chen, M.、Liu, C.、Zhang, B. & Zhang, P. 人間とロボットの自然な対話によるオンラインロボット教育。 IEEEトランス。インド電子。 65、9571–9581 (2018)。

記事 Google Scholar

Ficuciello, F.、Villani, L. & Siciliano, B. 直感的な人間とロボットの物理的相互作用のための冗長マニピュレーターの可変インピーダンス制御。 IEEEトランス。ロボット。 31、850–863 (2015)。

記事 Google Scholar

Rus, D. & Tolley, MT ソフトロボットの設計、製造、制御。ネイチャー 521、467–475 (2015)。

論文 ADS CAS PubMed Google Scholar

シャー、D. et al. 形状変化ロボット: 生体インスピレーション、シミュレーション、物理的実現。上級メーター。 33、2002882 (2021)。

記事 CAS Google Scholar

Shih、B.ら。インテリジェントソフトロボットのための電子スキンと機械学習。科学。ロボット。 5、eaaz9239 (2020)。

論文 PubMed Google Scholar

Ge、J.ら。リアルタイムでの触覚と非接触のインタラクションを実現する二峰性のソフト電子スキン。ナット。共通。 10、4405 (2019)。

論文 ADS PubMed PubMed Central CAS Google Scholar

Guo、H.ら。エネルギーハーベスティングと動的力感知用の自己滅菌済みの柔軟な単電極摩擦電気ナノ発電機。 ACS Nano 11、856–864 (2017)。

論文 CAS PubMed Google Scholar

Lu、X.ら。伸縮性のある透明な摩擦電気ナノ発電機は、ドライバーの疲労や注意散漫を監視するための高感度の自己発電センサーとして機能します。ナノエネルギー https://doi.org/10.1016/j.nanoen.2020.105359 (2020)。

リッチ、SI、ウッド、RJ & マジディ、C。繋がれていないソフトロボット工学。ナット。電子。 1、102–112 (2018)。

記事 Google Scholar

Laschi, C.、Mazzolai, B. & Cianchetti, M. ソフトロボティクス: ロボットの能力の限界を押し上げるテクノロジーとシステム。科学。ロボット。 1、1–12 (2016)。

記事 Google Scholar

リファレンスをダウンロードする

この研究は、中国国立科学財団支援プロジェクト (LW が受領した助成金番号 91848206、92048302、T2121003) および中国国家主要研究開発プログラム (LW が受領した助成金番号 2018YFB1304600、2019YFB1309600、2020YFB1313003) によって支援されました。この作業にご協力いただいた Zhexin Xie、Shiqiang Wang、Shanshan Du、Chuqian Wang に感謝します。

Wenbo Liu、Youning Duo、Jiaqi Liu、Feiyang Yuan の著者も同様に貢献しました。

北京航大学機械工学オートメーション学部、北京、100191、中国

Wenbo Liu、Youning Duo、Jiaqi Liu、Feiyang Yuan、Lei Li、Luchen Li、Gang Wang、Bohan Chen、Siqi Wang、Yun Wang、Xilun Ding & Li Wen

半導体研究所、広東科学アカデミー、広東省、510075、中国

ホイ・ヤン

北京市総合工学部、北京、100191、中国

ユチェン・リウ＆ヤンルー・モー

清華国立情報科学技術研究所、清華大学コンピュータ科学技術学部、北京、100084、中国

芳斌 & 孫富春

CAS Center for Excellence in Nanoscience、北京マイクロナノエネルギーおよびセンサーの主要研究所、北京ナノエネルギーおよびナノシステム研究所、中国科学院、北京、101400、中国

チー・チャン

中国科学院大学ナノ科学技術学部、北京、100049、中国

チー・チャン

PubMed Google Scholar でこの著者を検索することもできます

WL と LW がアイデアを考案し、WL、YD、JL、FY、CZ、YW、BF、FS、XD、LW がデータを分析して論文を執筆しました。 WL は FBSS を設計および製造しました。 YDとJLはソフトマニピュレーターを設計・製作しました。 WL、YD、JL、HY は対話型指導システムを導入しました。 Lei L.、GW、BC、SW、Luchen L.、HY、YL が実験を実施しました。 Lei L.、YM、および WL は、図、表、ビデオを作成し、最適化しました。

リー・ウェンへの通信。

著者らは競合する利害関係を宣言していません。

Nature Communications は、この研究の査読に貢献してくれた Huichan Zhao と他の匿名の査読者に感謝します。査読者レポートが利用可能です。

発行者注記 Springer Nature は、発行された地図および所属機関の管轄権の主張に関して中立を保っています。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Liu, W.、Duo, Y.、Liu, J. 他柔軟な二峰性感覚インターフェイスを介したソフトロボットの非接触対話型教示。 Nat Commun 13、5030 (2022)。 https://doi.org/10.1038/s41467-022-32702-5

引用をダウンロード

受信日: 2022 年 3 月 20 日

受理日: 2022 年 8 月 12 日

公開日: 2022 年 8 月 26 日

DOI: https://doi.org/10.1038/s41467-022-32702-5

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

ネイチャーコミュニケーションズ (2023)

ナノリサーチ (2023)

科学中国技術科学 (2023)

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。