力觉传感综述

为什么需要力觉传感

机器人与环境的物理交互离不开力的感知。视觉告诉机器人"在哪里"，力觉告诉机器人"多大劲"。没有力觉传感的机器人就像戴着厚手套干活——看得到但摸不着。

力觉传感在机器人系统中承担以下核心角色：

角色	说明	典型场景
操作反馈	感知抓取力、接触力	抓取易碎物品
运动感知	检测地面反力、支撑状态	足式机器人行走
碰撞检测	识别意外接触	协作机器人安全
人机交互	感知人施加的引导力	手把手示教
装配任务	力/力矩引导精密对准	轴孔装配

力、力矩与压力的区别

力（Force）

力是矢量，具有大小和方向，单位为牛顿（N）。

\[\vec{F} = m \vec{a}\]

在机器人学中，通常关注三个正交方向的分量：

\[\vec{F} = \begin{bmatrix} F_x \\ F_y \\ F_z \end{bmatrix}\]

力矩（Torque）

力矩描述旋转效应，单位为牛·米（N·m）：

\[\vec{\tau} = \vec{r} \times \vec{F}\]

\[\vec{\tau} = \begin{bmatrix} M_x \\ M_y \\ M_z \end{bmatrix}\]

压力（Pressure）

压力是单位面积上的力，单位为帕斯卡（Pa）：

\[P = \frac{F}{A}\]

触觉传感器通常测量的是压力分布（pressure distribution），而不是单点力。

三者关系

力 (N)
├── 集中力 → 力/力矩传感器测量（如六维力矩传感器）
├── 分布力 → 压力传感器测量（如触觉阵列）
└── 力矩 = 力 × 力臂 → 力矩传感器或间接计算

应用领域

1. 操作（Manipulation）

抓取和操作是力觉传感最经典的应用：

抓力控制：施加刚好够用的力，既不滑落也不压碎
滑动检测：通过切向力变化判断物体是否滑动
接触状态识别：区分"空握""接触""稳定抓取"

\[F_{grip} \geq \frac{mg}{\mu} + F_{margin}\]

其中 \(\mu\) 为摩擦系数，\(F_{margin}\) 为安全余量。

2. 运动（Locomotion）

足式机器人需要感知足端与地面的交互：

地面反力（GRF）：判断每条腿的负载分配
地形检测：通过接触力模式识别地形类型
步态切换：根据接触/离地状态切换步态相位

3. 碰撞检测（Collision Detection）

协作机器人安全标准（ISO/TS 15066）要求：

人体各部位的最大允许接触力/压力有严格限制
典型阈值：手部 \(F \leq 140\) N，头部 \(F \leq 65\) N
碰撞检测延迟要求 < 10 ms

4. 人机交互（HRI）

力觉使机器人能够"感受"人的意图：

导纳控制：人推机器人，机器人顺从地移动
阻抗控制：机器人表现出弹簧-阻尼器行为
协作搬运：两人（或人-机）共同抬重物

感知原理

1. 应变片式（Strain Gauge）

最成熟、最广泛的力传感原理：

工作原理：金属或半导体应变片在受力变形时电阻变化

\[\frac{\Delta R}{R} = G_F \cdot \varepsilon\]

其中：

\(G_F\) 为应变片灵敏因子（金属约2，半导体约100-200）
\(\varepsilon\) 为应变量

惠斯通电桥将微小电阻变化转换为可测电压：

\[V_{out} = V_{ex} \cdot \frac{\Delta R}{4R}\]

优点：精度高、线性好、成熟可靠

缺点：对温度敏感、需要仔细标定

2. 压电式（Piezoelectric）

工作原理：某些晶体材料（石英、PZT）受力产生电荷

\[Q = d \cdot F\]

其中 \(d\) 为压电常数。

特点：

动态响应极好（带宽可达数十kHz）
不适合静态力测量（电荷会泄漏）
适合冲击力、振动检测

3. 电容式（Capacitive）

工作原理：两极板间距或重叠面积变化引起电容变化

\[C = \varepsilon_0 \varepsilon_r \frac{A}{d}\]

特点：

灵敏度高
可做成阵列形式（触觉皮肤）
受电磁干扰影响
非线性需要补偿

4. 光学式（Optical）

工作原理：利用光强、光路变化来检测力

光纤布拉格光栅（FBG）：应变导致反射波长移动 \(\Delta\lambda_B = \lambda_B(1-p_e)\varepsilon\)
GelSight 型：弹性体变形 + 相机捕捉表面几何变化
光遮断式：力使挡光片移动，改变光通量

特点：

抗电磁干扰
可嵌入结构内部
GelSight 提供丰富的触觉图像

力觉传感在不同机器人中的应用

graph TB
    subgraph "工业机械臂"
        A1[关节力矩传感器] --> A2[碰撞检测]
        A3[腕部六维力矩传感器] --> A4[精密装配]
        A5[夹爪力传感器] --> A6[抓力控制]
    end

    subgraph "足式机器人"
        B1[足端力传感器] --> B2[地面反力测量]
        B1 --> B3[接触状态检测]
        B4[关节电流估计] --> B5[力矩估计]
    end

    subgraph "灵巧手"
        C1[指尖触觉传感器] --> C2[纹理识别]
        C1 --> C3[滑动检测]
        C4[指节力传感器] --> C5[抓力分配]
    end

    subgraph "移动服务机器人"
        D1[碰撞条/力敏皮肤] --> D2[避障/停止]
        D3[末端力矩传感器] --> D4[安全交互]
    end

力觉传感器选型参考

参数	典型范围	说明
量程	0.1 N ~ 10 kN	根据应用选择
分辨率	0.01 N ~ 1 N	精密操作需要高分辨率
采样率	100 Hz ~ 10 kHz	碰撞检测需高采样率
维度	1维 ~ 6维	六维力矩传感器最完整
接口	模拟/SPI/I2C/EtherCAT	工业推荐EtherCAT
防护等级	IP20 ~ IP67	户外需防水
过载保护	2x ~ 10x 满量程	防止碰撞损坏

力觉传感 vs. 本体感觉（Proprioception）

并非所有力感知都需要专用传感器。许多现代机器人通过电机电流来估算外部力矩：

\[\hat{\tau}_{ext} = K_t \cdot i_{motor} - \hat{\tau}_{friction} - J^T \hat{\tau}_{gravity}\]

专用力传感器 vs. 电流估计：

方面	专用力传感器	电流估计
精度	高（0.1% FS）	中（受摩擦模型影响）
成本	高	低（无额外硬件）
带宽	高（>1 kHz）	中（受控制回路限制）
安装	需要机械集成	无需额外安装
鲁棒性	传感器可能损坏	依赖模型准确性

本章结构

本章将深入探讨以下主题：

六维力矩传感器 — 工业级力感知的金标准
触觉传感器 — 从 GelSight 到触觉皮肤
足端传感器 — 足式机器人的"触觉"
力控应用 — 阻抗控制、碰撞检测与力引导装配

参考资源

Siciliano, B. et al., Robotics: Modelling, Planning and Control, Ch. 9 Force Control
ATI Industrial Automation: ati-ia.com
GelSight project: gelsight.com
ISO/TS 15066: Robots and robotic devices — Collaborative robots