当前位置: 首页 > news >正文

几块钱的磁铁 + 3D 打印机,给机器人造一层能感知触觉的“皮肤“

机器人抓东西这件事,看着简单,做起来难。视觉能告诉机械臂"东西在哪",但抓起来之后"握得多紧、有没有在滑、接触面在哪"——这些信息只有触觉能给。

工业界的方案不便宜,一套触觉传感器动辄上千美元,而且通常是为特定夹爪定制的,换个形状就得重新来。学术界近几年也出了不少方案,但要么需要特殊材料,要么制造工艺复杂,创客想复现基本不现实。

纽约大学最近开源了一个叫 eFlesh 的项目,用一种相当朴素的方式解决了这个问题——3D 打印 + 几颗磁铁 + 磁力计芯片,总成本几美元,就能做出一套精度不错的触觉传感皮肤。

更关键的是,它提供了一套完整的开源工具链——给它一个 3D 模型,自动生成可打印的传感器结构,意味着你可以给任意形状的机械手、夹爪、甚至四足机器人的脚掌定制触觉。

原理:磁铁位移,磁力计读数

eFlesh 的传感原理并不复杂。传感器由两层组成:上层是 3D 打印的柔性结构,内部嵌有小磁铁;下层是一块磁力计电路板。

当没有外力时,磁铁处于固定位置,磁力计读到一个稳定的磁场基线。当有力作用在传感器表面——比如手指按压、物体接触——柔性结构发生形变,磁铁跟着位移,磁力计读数随之变化。通过分析磁场变化的模式,就能推算出接触发生在哪里、力的方向和大小。

磁力计用的是 Melexis MLX90393,这是一颗三轴磁力计芯片,16 位分辨率,量程从 ±5 mT 到 ±50 mT 可调,支持 I²C 和 SPI 接口。SparkFun 和 Adafruit 都有现成的分线板可以买到,不需要自己贴片。多颗磁力计组成阵列,就能覆盖更大的传感面积。

磁铁选的是 N52 钕磁铁,直径 9.525 mm,厚 3.175 mm——这个规格在淘宝上几毛钱一颗,批量买更便宜。

结构设计:Cut-Cell 微结构

eFlesh 的核心设计在于它的柔性结构不是一整块实心体,而是由参数化的"Cut-Cell 微结构"组成。你可以把它想象成一个由很多小立方体格子拼成的网格,每个格子大小 8 mm,内部有特定的镂空图案。这种结构有两个好处:

可调的力学响应。通过改变格子的尺寸和壁厚,可以调节整个传感器的刚度和灵敏度。小而密的格子——刚度高,灵敏度低,但量程大,适合需要承受较大力的场景;大而疏的格子——刚度低,灵敏度高,适合精细操作。论文里把这个参数抽象为等效杨氏模量,用户在设计工具里直接指定想要的刚度就行。

任意凸面形状适配。设计工具的工作流程是:先根据指定的格子尺寸和杨氏模量生成一个填满微结构的长方体,然后用目标形状的凸包去裁切——超出凸包的部分被切掉,保留的部分就自然贴合了目标表面。这就是"Cut-Cell"名字的由来。磁铁的安装位置也是参数化的,工具会在微结构网格内自动生成带密封唇边的磁铁仓,尺寸按压配公差设计。

制作过程

制作一个 eFlesh 传感器的流程大致如下:

第一步:生成可打印文件。用团队提供的开源工具(Python 脚本),输入目标形状的 OBJ 或 STL 文件,指定格子尺寸、杨氏模量和磁铁规格,工具自动输出一个带微结构和磁铁仓的 STL 文件。

第二步:3D 打印。团队用的是 Bambu Lab X1 Carbon,标准 0.4 mm 喷嘴,材料是 TPU 95A(邵氏硬度 95A 的柔性材料)。关键设置:在 OrcaSlicer 里配置一个暂停点——在磁铁仓封口前一层暂停打印。不需要支撑结构。

第三步:嵌入磁铁。打印暂停后,把 N52 磁铁按进仓位(压配设计,不需要胶水),然后继续打印,最后一层把磁铁封在里面。

第四步:组装。把打印好的柔性结构安装到磁力计电路板上方,接线,标定——完成。

整个过程不需要特殊设备,不需要注模、不需要灌胶、不需要洁净室。用团队的话说:“a hobbyist 3D printer, off-the-shelf magnets, a CAD model, and a magnetometer board”——四样东西就够了。

性能表现

论文给出了详细的标定和测试数据:

接触定位:误差在 0.5 mm 以内。传感器能分辨出接触点在表面上的精确位置,对于机器人需要知道"碰到了哪里"的场景,这个精度够用了。

力预测:法向力(z 轴)误差 0.27 N,剪切力(x/y 轴)误差 0.12 N。不止能感知"压了多重",还能感知"往哪个方向滑"。

滑动检测:用一个简单的线性分类器,在从未见过的物体上也能达到 95% 的检测准确率。这意味着机器人可以在抓取过程中实时判断物体是否在打滑,及时调整握力。

装上触觉之后,机器人能做什么

光有传感器不够,还得证明它在实际任务中有用。团队把 eFlesh 装到机器人上,测了四个需要亚毫米精度的任务:插 USB、插电源插头、刷信用卡、擦白板。这些动作的共同特点是纯靠视觉很难做好——你需要感知到"插头碰到孔壁了"或者"卡片和槽口对齐了"才能完成。

配合视觉 + 触觉联合控制策略(基于 Visuo-Skin 框架),成功率达到 90%,比纯视觉方案提升了 40%。这个提升幅度说明触觉反馈在精细操作中不是锦上添花,而是实打实的核心能力。


对创客意味着什么

eFlesh 的价值不在于它的传感原理有多新——磁性触觉传感本身是个成熟的研究方向。它的价值在于把"从设计到制造到部署"的整条链路做到了创客级别的门槛:

消费级 3D 打印机能打,材料是常见的 TPU,磁铁几块钱一包,磁力计芯片有现成分线板。更重要的是那个设计工具——你不需要理解 Cut-Cell 微结构的力学原理,只需要给它一个形状和几个参数,就能得到可打印的文件。这把"定制触觉传感器"从一件需要机械工程背景的事,变成了一件周末项目。

如果你在做机械臂抓取、假肢触觉反馈、四足机器人步态控制,或者任何需要力反馈的项目,eFlesh 提供了一套几乎零门槛的起点。所有设计文件、代码、训练模型都在 GitHub 上开源。团队甚至提供了磁力计电路板的购买渠道和现成的 STL 文件下载,想直接试的话连建模这一步都省了。

项目地址:https://e-flesh.com/

GitHub 仓库:https://github.com/notvenky/eFlesh

论文:https://arxiv.org/abs/2506.09994

磁力计板购买:https://shop.wowrobo.com/products/eflesh-magnetometer-board

现成 STL 下载:https://drive.google.com/drive/folders/171oadIm0CILk12-vTXybU6pnAGJ5Sp9b

首发于DF创客社区

http://www.jsqmd.com/news/716859/

相关文章:

  • 别再傻傻分不清了!5分钟搞懂矩阵的Hadamard积和Kronecker积(附Python/Numpy代码示例)
  • OpCore Simplify完全手册:智能黑苹果EFI生成器零基础入门指南
  • 终极视频下载助手:告别“看得见下不了“的烦恼,网页视频一键变本地文件
  • 初中数学提分秘籍:搞定因式分解,这3个方法就够了(附口诀和例题)
  • GLM Coding Plan 的三个版本——Lite、Pro、Max的区别
  • 线上电商运营的核心策略
  • Gitee:本土化项目管理软件如何重塑中国企业的研发流程?
  • ZGC 2.0在Java 25中为何仍触发STW?3类隐蔽内存泄漏模式+4步精准定位法
  • 移动端PDF预览的终极解决方案:pdfh5.js如何完美解决手势缩放与性能难题
  • 豆包无水印解析,一键提取超高效
  • 从RTSP到Web浏览器:手把手教你用FFmpeg+Nginx搭建低延迟视频流媒体服务器(SpringBoot+Vue3调用示例)
  • ARM AMBA LPDDR2 DMC-342内存控制器架构与优化实践
  • 企业引入AI管理流程对中层管理人员的冲击
  • OpCore-Simplify:如何用智能自动化工具将黑苹果配置时间从3天缩短到15分钟
  • 警惕钓鱼压缩包!WinRAR CVE-2023-38831漏洞的社工利用场景分析与防御建议
  • League Akari:英雄联盟玩家的终极效率工具完全指南
  • 如何用OpenRAM开源SRAM编译器在5分钟内完成高效内存设计
  • InlineSVGToAI技术解码:Illustrator SVG代码导入的架构革新与效率革命
  • 上班族护眼指南:枸杞泡水怎么喝才有效
  • Cincoze P1201工业级嵌入式计算机解析与应用
  • AI病理平台在肺癌诊断中的架构设计与应用
  • 为什么你的GaN仿真总是不准?可能是这5个物理效应没考虑(附TCAD模型设置详解)
  • NVIDIA Isaac Lab与Newton物理引擎在机器人仿真中的应用
  • ComfyUI-Impact-Pack V8:模块化AI图像增强解决方案的终极实战指南
  • 记录微信小程序tabbar不显示问题:uni-app Vue 3 自定义 tabBar 不渲染
  • 别再为CAD数据交换头疼了!用Open CASCADE的STEPControl_Reader轻松读取STEP模型(附完整C++代码)
  • 2026_年_Web_安全最详细学习路线指南,从入门到入职
  • 从电容到代码:手把手拆解LPDDR4x/SDRAM的1T1C存储单元工作原理
  • 如何在Windows上直接安装APK文件:完整指南与最佳实践
  • 从产品经理视角拆解“医启诊”:它如何定义下一代临床决策支持产品的范式?