論文の概要: High-Fidelity, Customizable Force Sensing for the Wearable Human-Robot Interface

• arxiv url: http://arxiv.org/abs/2602.13436v1
• Date: Fri, 13 Feb 2026 20:23:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.450132
• Title: High-Fidelity, Customizable Force Sensing for the Wearable Human-Robot Interface
• Title（参考訳）: ウェアラブルロボットインタフェースのための高忠実でカスタマイズ可能な力センシング
• Authors: Noah Rubin, Ava Schraeder, Hrishikesh Sahu, Thomas C. Bulea, Lillian Chin,
• Abstract要約: 3Dプリントしたシリコンパッドに空気を埋め込んで力を測定する。 パッド圧力は印加力と非常に線形に関係している。 パッド圧力はスクワットフェーズと全体的なタスクダイナミクスを継続的に追跡した。
• 参考スコア（独自算出の注目度）: 1.4190701053683015
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mechanically characterizing the human-machine interface is essential to understanding user behavior and optimizing wearable robot performance. This interface has been challenging to sensorize due to manufacturing complexity and non-linear sensor responses. Here, we measure human limb-device interaction via fluidic innervation, creating a 3D-printed silicone pad with embedded air channels to measure forces. As forces are applied to the pad, the air channels compress, resulting in a pressure change measurable by off-the-shelf pressure transducers. We demonstrate in benchtop testing that pad pressure is highly linearly related to applied force ($R^2 = 0.998$). This is confirmed with clinical dynamometer correlations with isometric knee torque, where above-knee pressure was highly correlated with flexion torque ($R^2 = 0.95$), while below-knee pressure was highly correlated with extension torque ($R^2 = 0.75$). We build on these idealized settings to test pad performance in more unconstrained settings. We place the pad over \textit{biceps brachii} during cyclic curls and stepwise isometric holds, observing a correlation between pressure and elbow angle. Finally, we integrated the sensor into the strap of a lower-extremity robotic exoskeleton and recorded pad pressure during repeated squats with the device unpowered. Pad pressure tracked squat phase and overall task dynamics consistently. Overall, our preliminary results suggest fluidic innervation is a readily customizable sensing modality with high signal-to-noise ratio and temporal resolution for capturing human-machine mechanical interaction. In the long-term, this modality may provide an alternative real-time sensing input to control / optimize wearable robotic systems and to capture user function during device use.
• Abstract（参考訳）: ヒューマンマシンインタフェースを機械的に特徴付けることは、ユーザの振る舞いを理解し、ウェアラブルロボットの性能を最適化するために不可欠である。 このインターフェースは、製造の複雑さと非線形センサー応答のため、センサ化が難しい。 そこで我々は,人間の手足とデバイス間の相互作用を流体的神経伝達によって測定し,力を測定するために3Dプリントしたシリコンパッドを組込み空気チャネルで作成する。 パッドに力を加えると、空気流路は圧縮され、オフザシェルフ圧力トランスデューサによって圧力変化を測定することができる。 ベンチトップ試験において, パッド圧力が適用力(R^2 = 0.998$)と高い線形性を示すことを示した。 屈曲トルク (R^2 = 0.95$) と上膝圧 (R^2 = 0.95$) と, 伸展トルク (R^2 = 0.75$) と下膝圧 (R^2 = 0.75$) の相関が高かった。 これらの理想的な設定に基づいて、パッドのパフォーマンスをより制約のない設定でテストします。 循環カールと階段回りの等尺ホールドにおいて, 圧力と肘角の相関を観察し, パッドをtextit{biceps brachii} の上に配置した。 最後に、センサを低出力のロボット外骨格のストラップに統合し、非動力装置との繰り返しスクワット時のパッド圧力を記録しました。 パッド圧力はスクワットフェーズと全体的なタスクダイナミクスを継続的に追跡した。 以上の結果から,人間の機械的相互作用を捉えるための高信号対雑音比と時間分解能を有する流動性神経支配は,容易にカスタマイズ可能な感覚モダリティであることが示唆された。 長期的には、このモダリティは、ウェアラブルロボットシステムを制御・最適化し、デバイス使用中にユーザー機能をキャプチャするための代替のリアルタイムセンシング入力を提供する可能性がある。

関連論文リスト

• A Robotic Testing Platform for Pipelined Discovery of Resilient Soft Actuators [63.07587517846448]
  本稿では,DEA寿命をスキャンできる新しいテストロボットによって実現された最適化パイプラインを提案する。 ロボットは、電気機械特性測定、プログラム可能な電圧入力、マルチチャネルテスト能力を統合する。 これを用いて,入力電圧等級,周波数,電極物質濃度,電気接続フィラーなど,Elastosil系リニアアクチュエータの寿命を走査した。
  論文  参考訳（メタデータ） (2026-02-24T14:41:28Z)
• UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
  そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。 UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する 高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
  論文  参考訳（メタデータ） (2026-02-01T11:03:01Z)
• Fluidically Innervated Lattices Make Versatile and Durable Tactile Sensors [43.33741954317892]
  組込み空気流路を有する3Dプリントエラストマー格子を用いて製造した触覚センサを内蔵した受動型ソフトロボット指先について述べる。 このセンサ化アプローチは、流体神経支配と呼ばれ、密閉された空気チャネル内の圧力変化を検出して格子を触覚センサーに変換する。
  論文  参考訳（メタデータ） (2025-07-28T18:00:04Z)
• Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
  人間は触覚と触覚に頼っている。 視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。 本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
  論文  参考訳（メタデータ） (2023-03-10T16:27:37Z)
• Fine Robotic Manipulation without Force/Torque Sensor [9.908082209033612]
  典型的な6軸力/トルクセンサ(F/T)がロボットの手首と端エフェクターの間に装着され、環境がロボットに与える力(外部レンチ)を測定する。 典型的な6軸F/Tセンサーは高い精度で測定できるが、ドリフトや外部の衝撃に対して高価で脆弱である。 ロボットの内部信号のみを用いて外部レンチを推定する既存の手法は、スコープに限られている。 我々はニューラルネットワークに基づく手法を提案し、トレーニングデータ構造に特に注意を払うことで、正確に見積もることができると論じる。
  論文  参考訳（メタデータ） (2023-01-31T05:06:04Z)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)
• OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
  既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。 我々は,多方向高解像度触覚センサOmniTactを紹介する。 我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
  論文  参考訳（メタデータ） (2020-03-16T01:31:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。