核心技术突破 - 提出视触觉与磁触觉结合的MagicGel传感器，通过视觉-磁场异构数据融合框架，利用磁场信息补偿视觉图像的信息缺失，构建更完备的接触力学表征体系 [2] - 传感器结构包含涂层、强磁颗粒标记点、弹性体、灯带、霍尔传感器和相机，整体尺寸为313127mm [3] - 采用递归神经网络处理磁性信息特征向量，并与卷积神经网络处理的图像特征向量相结合，连接后预测传感器表面的法向力 [9][11] 性能优势 - 在法向力估计精度上，视觉-磁融合模型较基准模型提升10.1% [23] - 磁触觉技术响应速度具有亚毫秒级同步特性，信号传输效率高于需经历多级链路的视觉触觉传感器 [21] - 融合架构可实现基于磁场梯度的非接触式接近感知，检测距离达200mm [23] 实验验证 - 通过三组对照实验进行数据分析：第1组使用磁性数据和力信息、第2组使用视觉图像和力信息、第3组使用视觉图像、磁性数据和力信息 [12] - 实验证实磁信号与视觉信号融合时力估计精度提升明显，单独磁信号虽绝对误差较大但法向力变化趋势与实际物理作用吻合 [21] - 接近感知验证实验显示，磁场强度与检测距离呈显著非线性负相关，在非理想条件下仍能保持距离辨识能力 [17][19] 应用价值 - 赋予触觉传感器非接触式的接近感知能力，可提升机器人环境适应性与操作安全性，避免因接触角度偏差或接触力失控导致的传感器损伤 [14] - 多模态反馈机制可为高速响应场景提供先导性决策依据，显著增强机器人操作的实时性和系统鲁棒性 [20][21] - 该技术为灵巧操作系统的力控优化和加强基于视觉的触觉传感器的力感知能力提供了创新思路和新范式 [23]