대표어
권호기사보기
| 기사명 | 저자명 | 페이지 | 원문 | 기사목차 |
|---|
국회도서관 홈으로
정보검색
소장정보 검색
결과 내 검색
동의어 포함
-
-
목차보기
Title Page 1
ABSTRACT 4
국문 초록 8
Contents 12
1. Introduction 29
1.1. Background 29
1.1.1. Needs for tactile feedback 29
1.1.2. Tactile information for Robotics 32
1.1.3. Requirement of Tactile Sensor 35
1.2. Research Motivation 38
1.2.1. Human Tactile System 38
1.2.2. Artificial Tactile System 44
1.2.3. Multimodal Tactile Sensors 49
1.2.4. Objective of the thesis 51
1.3. Outline of the thesis 52
2. Size and stiffness detection 54
2.1. Background 54
2.1.1. Related research 54
2.1.2. Challenging task 58
2.1.3. Research concept 60
2.2. Air-gap controlled tactile sensor 61
2.2.1. Plate theory 63
2.2.2. Device characteristics 81
2.3. Application 88
2.3.1. Size and stiffness detection 88
2.3.2. Tomato classification 94
2.3.3. Tactile feedback system 97
2.4. Summary 100
3. Surface roughness detection 101
3.1. Background 101
3.1.1. Related research 101
3.1.2. Requirement of roughness detection 106
3.1.3. Challenging task 108
3.2. PZT/Epoxy composite for tactile sensor 109
3.2.1. FEA simulation 110
3.2.2. Fabrication 112
3.2.3. Screen printing method 115
3.2.4. Device characteristics 118
3.3. Application 122
3.3.1. Surface roughness detection 122
3.3.2. Texture classification 128
3.4. Summary 131
4. Multi-axis force detection 132
4.1. Background 132
4.1.1. Related research 137
4.1.2. Challenging task 140
4.1.3. Research concept 141
4.2. Nail-tip tactile sensor 143
4.2.1. FEA simulation 143
4.2.2. Fabrication 149
4.2.3. Device characteristics 154
4.2.4. Board circuit design 159
4.3. Application 162
4.3.1 Multi-axis detection 162
4.4. Summary 165
5. Conclusion 166
References 169
Figure 1. Photographs of robots being utilized in various industries such as... 31
Figure 2. The tactile information of robotic object recognition 34
Figure 3. Response characteristics (a) Sensitivity, (b) response time, (c) linearity... 37
Figure 4. Skin mechanoreceptors and transduction of sensory stimuli. (a) Action... 39
Figure 5. The types of tactile sensors are described according to the sensory.. 44
Figure 6. Schematic illustration of sensor assembly and operating principle of the... 45
Figure 7. (a) Working of the microstructured film under external pressure. The... 46
Figure 8. Structural design consideration and numerical simulation for stress... 47
Figure 9. Schematic illustration of triboelectric charge generation and current flow... 48
Figure 10. Human skin-inspired multifunctional e-skin. (a) Structural and... 50
Figure 11. Human skin-inspired multisensory electronic skins. (a) Schematics of... 56
Figure 12. Detecting compliance of materials. (a) A robotic hand with integrated... 57
Figure 13. Concept figure with multimodal tactile sensors-equipped gripper... 60
Figure 14. Schematic design of the AGC sensor 61
Figure 15. The Confocal microscope images of the AGC sensors depending on... 62
Figure 16. The schematic cross-sectional images of the working mechanism of an... 64
Figure 17. Schematic of 2-dimensional deflection model of plate (a) before... 66
Figure 18. FEA Analysis Model: (a) Parameters: 1) Length and 2) Young's... 67
Figure 19. FEA simulation results. Comparison of contact length depending on the... 70
Figure 20. Deflection profiles depending on the length of sensing layer (a) 9 mm,... 71
Figure 21. Contact area depending on the length of sensing layer (a) 9 mm, (b)10... 71
Figure 22. FEA simulation results. Comparison of contact length depending on the... 72
Figure 23. Deflection profiles depending on the Young's modulus of sensing layer... 73
Figure 24. Contact area depending on the Young's modulus of sensing layer (a)... 73
Figure 25. Comparison of deflection states with (a) Sp1(air gap of 45 μm), (b)... 74
Figure 26. Contact lengths (l) calculated through the air gap size, lₛₚ₁, lₛₚ₂, and...[이미지참조] 75
Figure 27. Comparison of Contact areas(A) between the sensing layer and... 75
Figure 28. (a) Contact area variation as a function of applied pressure (0-400 kPa).... 76
Figure 29. Comparison of deflection states with Sp1, Sp2 and Sp3 bending sensors... 78
Figure 30. Graph of wₛₑₙₛ of bending sensors with various air gap sizes,... 79
Figure 31. Contact area between the sensing layer and electrodes at the bending... 79
Figure 32. (a) Contact area variation as a function of applied bending strain (0-... 80
Figure 33. (a) Relative current changes of Sp1, Sp2 and Sp3 pressure sensors in... 83
Figure 34. (a) Relative current changes of Sp1, Sp2 and Sp3 bending sensors in... 85
Figure 35. Durability results for pressure sensor. a) Schematic diagram of AGC... 87
Figure 36. Durability results for bending sensor. a) Schematic diagram of AGC... 87
Figure 37. Classification for multi-featured bimodal sensing system. (a)... 92
Figure 38. (a-c) Principal component analysis (PCA) results extracted by pressure... 93
Figure 39. Application of the tomato classification using a sensorized gripper. (a)... 96
Figure 40. Artificial Tactile Feedback System: (a) Photographs of the fully... 99
Figure 41. Principle of detection in vision-based tactile sensor technology 104
Figure 42. (a) Structure of fabric texture sensor system. (b) Photograph of th... 105
Figure 43. (a) Schematic illustration of highly flexible piezoelectric tactile sensor 109
Figure 44. Images of finite element simulation showing von Mises stress... 111
Figure 45. Fabrication process of piezoelectric tactile sensor 112
Figure 46. A photograph of screen-printing equipment. The screen mask is... 113
Figure 47. Optical microscope images of screen masks corresponding 60, 120, 240... 113
Figure 48. Photographs of piezoelectric tactile sensor manufactured from 60, 120,... 114
Figure 49. A schematic illustration of screen-printing process 117
Figure 50. Comparisons of (a) thickness, (b) capacitance, (c) dielectric loss, and... 119
Figure 51. (a) Photographs of applying pressure to the sensor using a pressure... 121
Figure 52. Configuration of Tactile Information Collector (TIC) 123
Figure 53. Diagram of signal processing for tactile recognition 124
Figure 54. Nine sets of fabric plates with complex surface shapes or surface... 124
Figure 55. Classification results. (a) Design of the model architecture for... 127
Figure 56. Electrical output signals. (a) Optical images of different fabrics (#1, #2,... 129
Figure 57. Texture classification results. (a) Schematic diagram of the CNN model... 130
Figure 58. Operation principle of MEMS sensor for multi-axis force detection 135
Figure 59. FEA simulation results for multi-directional sensing: (a) Displacement... 136
Figure 60. Flexible multiaxial tactile sensing device with porous dielectric... 138
Figure 61. Flexible multiaxial tactile sensing device using strain sensors (a) i) A... 139
Figure 62. Descriptions of different nail patterns on the finger (a) Anatomical... 142
Figure 63. FEA analysis results of the nail-tip tactile sensor components. The... 147
Figure 64. FEA analysis results of the nail + bone structure under different force... 148
Figure 65. Fabrication Process Diagram of Nail-Tip Tactile Sensor Using Laser... 152
Figure 66. Design schematic of the spacer after laser cutting. The structure of the... 152
Figure 67. Design schematic of the spacer after laser cutting. The structure of the... 153
Figure 68. Schematic diagram of the configuration, including the inner bone,... 153
Figure 69. Illustration of the nail-tip tactile sensor integrated into a gripper. When... 156
Figure 70. Sensitivity test results for the nail-tip tactile sensor with different spacer... 157
Figure 71. Durability test results of the nail-tip tactile sensor, showing minimal... 158
Figure 72. Board Configuration (a) Photograph of the sensor and board embedded... 161
Figure 73. Demonstration of multi-axis force detection. (a) Setup for the multi-... 164
초록보기
최근 지능형 로봇은 산업의 생산성을 향상시키는 핵심 요소로 떠오르고 있으며, 물류, 의료, 국방 등 다양한 분야에서 활용 범위가 넓어지고 있다. 이러한 로봇들이 물체를 안전하게 잡고 정밀한 피드백을 제공하기 위해서는 주변 환경을 인식하고 적응하는 능력과 사물을 정밀하게 조작할 수 있는 능력이 요구된다. 이를 위해서는 압력, 전단력, 진동과 같은 다양한 촉각 정보를 획득할 수 있는 촉각 감지 능력이 필수적이며, 이러한 다양한 멀티모달 촉각센서로부터 다량의 촉각 정보가 생성되면서 자연스럽게 연산 처리량이 늘어나게 된다. 따라서 복합적인 판단을 내릴 수 있는 견고한 인공지능 알고리즘이 뒷받침되는 시스템 연구가 매우 중요하다. 그동안 많은 연구자들은 이러한 인간의 촉각 수용체를 모방하는 형태로 다양한 촉각 정보를 획득하기 위해 멀티모달 촉각 시스템 개발을 제안하였으며, 촉각센서의 민감도 향상을 위해 지속적인 노력을 기울여 왔다. 그러나 로봇 그리퍼가 물체를 효과적으로 잡기 위해서는 민감도뿐만 아니라 센서의 넓은 감지 범위와 내구성과 같은 다른 중요한 성능 지표가 개선되어야 할 필요가 있다. 본 논문에서는 외부의 물리자극에 따른 압력, 굽힘, 전단력 등의 다양한 물리량을 측정하는 멀티모달 촉각센서를 인공지능 기술과 결합하여, 학습하고 처리하는 멀티모달 촉각센서 기반의 지능형 그리퍼 기술에 대해 제안하고자 한다.
첫 번째로, 유연한 압력센서와 굽힘센서를 포함하는 멀티모달 촉각센서를 통해 물체의 크기와 강성을 정밀하게 감지할 수 있는 새로운 촉각 센서 기반 지능형 그리퍼 시스템을 제안하였다. 이 기술은 로봇이 토마토처럼 쉽게 찌그러지는 물체를 잡았을 때, 압력센서와 굽힘센서를 통해 물체에 가해지는 스트레스와 스트레인을 정확하게 인지한다. 이를 통해 로봇 그리퍼가 다양한 객체의 특성을 정확하게 인식할 수 있다. 이러한 기술을 구현하기 위해서는 높은 내구성과 유연한 재료를 선정해야 하므로, 고분자 기반의 감지층과 폴리이미드 기판을 활용하였다. 이에 필요한 감지 범위에 맞게 센서의 구조를 최적화하기 위해 유한 요소 분석(FEA) 시뮬레이션을 수행함으로써 더 정밀하고 효율적인 감지가 가능하다는 것을 입증하였다. 제작된 센서로부터 얻어진 데이터로부터 물체의 특성을 인지하기 위해 인공 신경망을 구축하여 객체를 분류할 때 고려해야 할 적절한 특성을 선택하고, 이를 기반으로 최적의 네트워크를 설계하였다. 그 결과, 우리는 정형화된 9개의 엘라스토머 블록을 100%의 정확도로, 그리고 7가지 종류의 토마토를 약 98%의 높은 정확도로 분류할 수 있었다. 따라서 이 기술을 통해 로봇 그리퍼가 객체를 안전하고 적절한 힘으로 잡을 수 있음을 입증하였다.
두 번째로, 압전재료 기반의 빠른 응답속도를 갖는 촉각센서를 개발하여 질감을 실시간으로 분류하는 시스템을 개발하였다. 압전 재료는 높은 감도와 고주파 감지 능력으로 인해 질감 인식 분야에서 상당한 주목을 받고 있다. 이러한 압전 재료의 뛰어난 잠재력에도 불구하고, 복잡한 표면에 부착하기 위한 기계적 유연성을 향상시키는 것은 여전히 도전적인 과제로 남아 있다. 이 연구에서는 극도로 작은 반경（최대 2.5mm）까지 구부릴 수 있는 유연한 압전 센서를 제시하며, 이 센서는 우수한 전기적 성능을 지니고 있다. 제안된 센서는 외부 변형 하에 내부 응력을 유발하는 두께를 조절하여 제작되었다. 제작된 압전 센서는 0에서 10 kPa 범위에서 9.3 nA/kPa의 높은 감도와 최대 1 kHz의 넓은 주파수 범위를 보여주었다. 센서를 사용하여 물체의 표면을 문질러 실시간 질감 인식을 시연하기 위해, 그들의 재질 특성과 표면 거칠기를 반영하는 9세트의 직물 판을 준비하였다. 감지된 감지 데이터에서 물체의 특성을 추출하기 위해 아날로그 데이터 세트를 단기 푸리에 변환 이미지로 변환하였다. 그 후 분류 정확도 97%의 컨볼루션 신경망을 사용하여 실시간 질감 분류 시스템을 구축하였다.
마지막으로, 인간의 촉각수용체뿐만 아니라 손가락과 유사한 해부학적 구조（피부, 뼈, 손톱 등）를 모방하여 다방향（Multi- axis ） 힘 감지가 가능한 고해상도 촉각센서 기술을 개발하였다. 이 기술은 Front, Back 등 두 개의 부분으로 나눌 수 있다. 총 108개의 촉각센서가 배치되며, 로봇 그리퍼의 손끝에 신호 처리 보드와 통합되어 부착된다. Front 부분을 통해 힘의 세기 및 분포를 알 수 있고, Back 부분을 통해 힘의 방향을 알 수 있다. 이러한 다채널의 고해상도 촉각센서는 로봇이 물체를 잡고 있을 때 발생하는 정상력(normal force) 및 전단력(shear force)을 실시간으로 감지할 수 있으며, 신호 분석이 가능하다. 물체를 잡고 들어 올릴 때 중력이 증가하면서 발생할 수 있는 자연스러운 슬립 현상을 감지하게 하였다. 이를 바탕으로 로봇 그리퍼가 물체를 더욱 꽉 쥐도록 조정함으로써, 물체가 떨어지는 것을 방지하는 피드백 메커니즘을 구현하였다. 이러한 접근 방식은 로봇 그리퍼가 다양한 중량을 가진 물체들을 보다 안전하고 효과적으로 다룰 수 있도록 만든다. 또한 로봇 그리퍼가 물체를 더 효율적으로 다루기 위해 요구되는 다양한 정보들을 제공하고, 이를 학습하는 인공지능 알고리즘을 사용하면 그리퍼의 지능을 향상시킬 수 있다. 이를 통해 더욱 복잡하고 다양한 작업 환경에서 로봇이 안정적으로 조작할 수 있도록 지원하고자 하며, 이는 로봇 기술의 적용 범위를 넓히는 데 기여할 것이다.MARC 보기
오류 데이터 정정요청
*표시는 필수 입력사항입니다.
알림톡 발송
| 전화번호 |
|---|
개인정보 수정 바로가기
연속간행물 권호 선택
우편복사 안내
- ◾ 도서관을 방문하지 못할 경우 인터넷, 팩스 등으로 자료 복사를 신청하고, 복사물을 우편·팩스 등으로 제공받는 서비스
- ◾ 대상자료: 일반도서, 연속간행물 및 학위논문
- ※ 고서, 고잡지, 훼손될 우려가 있는 자료, 마이크로폼 자료 및 신문 등 제외
- ◾ 신청 책수: 1인 5책 이하(1일 기준)
- ◾ 신청 절차: 자료 검색 → 우편복사 목록담기 → 복사 범위 입력 → 우편복사 주문서 입력 → 접수 및 확인
- ※ 저작권법에 의거하여 부분 복사(전체 페이지 수의 1/3 범위 이내)만 가능
- ◾ 복사 범위 입력 예시: (연속 페이지) 1-30, (부분 페이지) 25, 30-40
| 번호 | 발행일자 | 권호명 | 제본정보 | 자료실 | 원문 | 신청 페이지 |
|---|
도서위치안내(서울관)
도서위치안내: / 서가번호:
0
확인
우편복사 목록담기를 완료하였습니다.
내서재에 담기
새로운 서재
*표시는 필수 입력사항입니다.
저장
저장 되었습니다.