前言：

在机器人的发展历程中，为其配备全身触觉皮肤一直是一项充满挑战的任务。传统的触觉皮肤设计往往采用模块化、“一刀切” 的方式，虽然具备一定通用性，但无法充分考虑机器人独特的形状以及其操作环境的特殊需求。在复杂的现实场景中，这种局限性愈发凸显。而本文介绍的 GenTact Toolbox 则为这一难题提供了创新性的解决方案。

本研究中提出的计算流程 GenTact 工具箱，能够生成贴合且可适应的全身触觉传感器。GenTact 工具箱利用给定机器人（a）的 3D 模型来创建传感器阵列的数字网格（b），这些网格可以 3D 打印成可工作的触觉传感器（c）

人类能够借助全身的触觉反馈与周围环境进行自然交互，在机器人领域，具备全身触觉感知能力同样至关重要。全身触觉皮肤有助于机器人在在非结构化环境中更高效地探索、执行任务以及与人类安全互动。然而，当前最先进的触觉皮肤存在诸多不足，如传感分辨率有限，难以根据机器人的操作任务进行灵活修改。而且，现有触觉皮肤在硬件集成方面也面临困境，无论是刚性化模块传感器，还是柔性传感器，都存在各自的问题。刚性模块化传感器在应对复杂几何表面变化或不同工作环境时，需要重新设计；柔性传感器虽能提供更紧密的贴合，但以牺牲模块化为代价。

GenTact Toolbox的设计架构

GenTact Toolbox是一种计算设计管道，旨在创建贴合机器人形状且能根据应用领域需求定制的多功能全身触觉皮肤。其设计流程主要包含三个关键阶段：程序生成、模拟和制造。

图2:GenTact用于设计形状匹配和自适应触觉皮肤的流程由三个阶段组成：程序生成、模拟和制造。程序生成阶段（左）生成传感器的初始分布，然后将其传递到仿真阶段（右下），根据它们所用于的任务进行评估和改进。最后，传感器在制造阶段（右上角）内部连接，以打印并部署在真实的机器人上。

程序生成：数字皮肤的智能构建

在程序生成阶段，借助开源3D建模软件Blender，通过算法生成数字皮肤。该过程依据几何规则，自动转换和操纵3D模型的顶点、边和面，快速生成复杂网格。为了实现这一目标，开发团队创建了一个自定义插件，利用Blender内置的权重绘制和几何节点功能，生成符合机器人几个形状和传感器分布需求的皮肤。皮肤单元的形状紧密贴合机器人3D模型表面，皮肤和感测结节的放置通过热图来精确界定。热图由归一化权重构成，通过调整热图权重，可以灵活改变皮肤厚度、传感器尺寸和传感器密度。同时，利用泊松盘采样算法放置感测结节，确保结节之间保持合适的距离，为后续的传感工作奠定基础。

模拟：优化传感器布局的 “智慧大脑”

模拟阶段的核心目标是优化传感结节在可能接触区域的分布。研究人员在Isaac Sim中构建了自定义扩展机器人仿真环境，导入传感器配置，收集接触传感数据，并执行启发式优化。通过模拟，根据接触的频率和接近度，使用启发式函数重新创建密度热图。这一过程就像是为机器人的触觉皮肤进行 “智能规划”，使得在频繁接触的区域能够布置更高密度的传感器，从而提高触觉感知的精度和效率。

制造：从虚拟到现实的触觉呈现

制造阶段采用电阻电容器（RC）延迟传感技术，简化了电子制造和接口组件。使用带有特定喷嘴和长丝干燥机的3D打印机制造传感器，通过优化导电迹线，使每个传感结节在与接地物体或人体接触时能产生可区分的RC延迟，进而实现电容式感测。

实验验证与结果分析

为了验证GenTact Toolbox的有效性，研究团队进行了一系列实验。他们为Franka Research 3（FR3）机器人手臂设计并制造了六个皮肤单元，用于覆盖人机交互场景中的相关任务。通过对这些皮肤单元的传感能力进行测试，包括测量信号质量、分析传感器特性等，评估该工具箱的性能。实验结果显示，所有皮肤单元都满足了信噪比的最小阈值，但部分皮肤单元未能达到理想的鲁棒性阈值。这表明虽然该方案取得了一定成效，但仍有提升空间。此外，研究团队还将皮肤单元安装到FR3机器人上，执行物理人机交互（pHRI）任务。结果表明，机器人能够利用皮肤单元检测到的接触数据成功避免障碍物，展示了该方案在现实场景中的实用性。

研究总结与未来展望

GenTact Toolbox为机器人触觉皮肤的设计带来了新的思路和方法，在设计多样性和适应性方面具有显著优势。然而，该方案也存在一些局限性。例如，在程序生成阶段，严重凹面上可能出现网格断裂的情况；在制造阶段，3D打印传感器受高电阻率限制，结节之间的最小距离存在一定要求。未来，需要对传感器设计和导电丝特性进行更深入的研究，以提高传感器的鲁棒性。同时，还应探索更多的传感方式和优化启发式方法，进一步拓展GenTact Toolbox的应用范围。