綜述背景
在視觸覺傳感領域，力測量技術一直都是是研究重點。近期，方斌教授團隊發表的Advanced Intelligent Systems 綜述論文，深入探討了標記屬性與力量測量精度的關系，提出了優化標記設計的潛在解決方案。討論了基于視覺的觸覺傳感器力量測量技術，深入探討了力量感應原理、標記類型、測量方法及應用場景等，為VTS的力量測量提供了全面而深入的技術細節。幫助相關領域的研究者們促進力測量技術的進一步發展。
綜述概述
標記型視覺觸覺傳感器（VTS）通過標定標記矢量信息實現力的感知，觸覺可視化可以提供高精度、多模態的力信息，促進機器人靈巧操作的發展。考慮到VTS對力測量的貢獻，本文綜述了VTS先進的力測量技術。首先，介紹標記型VTS的工作原理，包括單層標記、雙層標記、顏色編碼和光流。然后，詳細討論了標記類型與力測量類別的關系。在此基礎上，總結了標記特征提取的過程，包括圖像處理和標記匹配技術。根據學習方式，力測量方法分為物理和深度學習模型。進一步，從輸入類型的角度分析了每種方法的分支。結合測量范圍和精度，進一步討論了傳感器設計、材料和識別方法與力測量性能的相關性。最后，分析了困難和挑戰，并提出了未來的發展方向。本綜述旨在加深對該研究進展和應用的了解，為研究界提供參考，推動相關領域的技術更新。
這篇工作中將目前市面上的力感知技術按照幾個大類進行了分類。
1. 傳感原理
視觸覺傳感器的原理是利用相機接收表面形變信息來實現對外界感知的。但作者將接受信息的原理類型進行再劃分。如文中對原理分類為單層標記物、雙層標記物、顏色編碼、光流和其他特殊標記方式。針對目前這幾種標記方式進行了分類和討論。
2. 標記類型
圓形標記的可靠性已在大量實驗中得到證實。密集標記本質上也是圓形標記。隨機性提高了觸覺數據的穩健性，以應對更復雜的接觸情況。考慮到多模態集成，圓形標記目前仍然是首選。如果僅考慮力測量，我們認為密集標記和三角形/正方形標記具有更大的潛力。然而，三角形和正方形標記的分布不能像圓形標記那樣展開。它們需要通過連續邊界連接。邊界線的變形表示也可以提供豐富的力信息，類似于有限元。
3．力測量方法
物理模型需要研究者深刻理解變形原理，重構變形過程，側重于彈性體的物理性質和力效應，屬于彈性力學范疇。但彈性體的變形狀態復雜，用物理模型難以全面解釋任何條件下的變形。深度學習模型以數據驅動的方式構建輸入與輸出的映射關系，理論上數據越全面，數據規模越大，模型的泛化程度越高。然而，標記物圖像的非均勻性給深度學習模型帶來了挑戰。這源于標記物類型的差異以及制備過程中不可避免的誤差。如第3節所述，3D打印標記物和密集標記物可以彌補制備誤差。此外，我們認為兩種模型的結合可能是互補的。基于彈性理論，可以通過深度學習模型獲得一些非線性參數，降低了對數據規模的要求，提高了模型的泛化能力。
4. 力精度測量
論文中還對目前出現的力測量精度和范圍進行了總結。（具體文獻見論文原文）
總結
本文介紹了基于標記型視覺觸覺傳感器（VTS）的力量測量技術。VTS通過校準標記矢量信息實現力量感應，提供高精度和多模態力信息，推動機器人靈巧操作的發展。文章首先介紹了單層標記、雙層標記、彩色編碼和光流等標記型VTS的工作原理，深入討論了標記類型與力量測量類別之間的關系。在此基礎上，總結了標記特征提取的過程，包括圖像處理和標記匹配技術。根據學習方法，將力量測量方法分類為物理模型和深度學習模型，分析了各方法的分支及輸入類型。結合測量范圍和精度，進一步討論了傳感器設計、材料和識別方法對力量測量性能的相關性。最后，分析了困難和挑戰，并提出了未來的發展方向。
期刊簡介
Wiley旗下智能系統領域開放獲取旗艦刊。期刊收錄關于具有刺激或指令響應智能的人造裝置系統的研究，包括機器人、自動化、人工智能、機器學習、人機交互、智能傳感和程序化自組裝等前沿應用。Advanced Intelligent Systems最新的期刊引文指標1.11，期刊影響因子6.8，在計算機科學，人工智能和自動化與控制系統中分類皆為Q1。(源自Clarivate 2023)
