본 연구는 내부 상태 측정에 기반하여 물체를 견고하게 잡고 식별할 수 있는 소프트 핸드와, 자율적으로 잡기를 수행하는 통합 시스템을 제시한다. 고도로 순응성이 높은 소프트 핸드는 잡기 불확실성에 대한 내재적 견고성을 제공하며, 내부 센싱의 추가를 통해 손과 물체의 구성을 감지할 수 있다. 손가락 모듈은 접촉 감지를 위한 손끝의 저항형 힘 센서와 손가락의 곡률 프로파일을 측정하기 위한 저항형 굽힘 센서를 포함한다. 곡률 센서는 접촉 기하학을 추정하는 데 활용될 수 있으며, 이를 통해 잡힌 물체 집합을 구별할 수 있다. 각 손가락으로부터 하나의 데이터 포인트만으로도 손이 잡은 물체를 식별할 수 있다. 포위 그립과 핀치 그립 모두에 대해 각 잡힌 물체에 대한 대응 관계를 찾는 클러스터링 알고리즘이 제시된다. 폐쇄 루프 시스템은 카메라를 이용해 물체의 대략적인 위치를 감지한다. 소프트 핸드의 순응성은 물체 형태에 대한 기하학적 불확실성뿐만 아니라 이러한 불확실성을 처리한다.

DRL(Distributed Robotics Laboratory) Soft Hand: 3D 프린팅된 인터페이스에 슬립온(Slip-on) 방식으로 장착되는 모듈형 4지 그리퍼

• Proprioceptive Sensing: 각 손가락의 비신축성 구속 레이어 아래에 **저항식 굽힘 센서(Resistive Bend Sensor)**를 매립하여 손가락의 곡률을 측정합니다. 또한 손가락 끝에는 **힘 센서(Force Sensor)**를 부착하여 물체와의 접촉 여부를 감지합니다.
• 객체 식별 알고리즘 (Trained/Online ID): * Trained ID: 미리 수집된 파지 데이터(4차원 센서 벡터)를 바탕으로 k-최근접 이웃(k-NN) 분류기를 사용하여 물체를 식별합니다.
  • Online ID: 새로운 물체를 잡았을 때 기존 데이터셋과의 거리를 계산하여, 임계값을 넘으면 새로운 물체로 자동 등록하고 라벨링하는 실시간 학습 알고리즘입니다.
• 하이브리드 제어: 카메라를 통해 대략적인 위치를 파악하고, 소프트 핸드의 순응성(Compliance)을 이용해 위치 오차를 보정하며 파지를 수행합니다.

..? 뭐노 이게