改善AR/VR力反馈触感交互，Meta提出恒定流体质量控制CFMC( 二 ) 查看引用/信息源请点击：映维

文章图片
图2显示了CFMC的原理图。柔性气囊的初始压力和体积分别表示为P0和V0 。当手指与柔性气囊相互作用时，柔性气囊的压力和容积分别变为P1和V1 。假设系统在等温条件下遵循理想气体定律，这对于封闭系统意味着：
P0×V0=P1×V1
【改善AR/VR力反馈触感交互，Meta提出恒定流体质量控制CFMC】P0×V0=(P0+?P)×(V1+?V)
假设g?P×?V≈0 ，则等式2可以简化为：
?P=??V×P0/V0
在CFPC中，当手指与柔性气囊互动时，柔性气囊体积减小至V1 。由于这种相互作用（等式3），压力开始增加，致动器的流体路径对恒压流体源保持开放，从而使致动器压力在源压力下保持恒定（P0）。在CFMC中，当手指与柔性气囊相互作用时，柔性气囊体积减小，从而导致气压升高（等式3）。然而，由于空气被困在致动器内，并且从致动器到调节器的流体路径被阻断，因此压力的增加与体积的减少成正比，与初始致动器体积成反比。
当忽略CFPC和CFMC之间的接触面积差异时， CFPC和CFMC之间的作用力差异将取决于相应致动器压力的差异。因此，使用CFMC可实现的力的动态范围比CFPC大。

文章图片
CFMC的另一个优点是，它允许源压力高于致动器的工作压力，从而能够缩短致动器的充气时间。另一方面，在CFPC中，源压力由致动器的工作压力决定。另外，与CFPC不同的是， CFPC只允许对致动器压力进行二进制控制，而CFMC允许对柔性致动器进行更精确的模拟压力控制。
然而，由于柔性致动器的电容通常为非线性，并且流体系统中存在许多其他非线性，所以很难用第一原理模型以广义方式捕捉，因此研究人员使用基于神经网络的监督学习算法来实现使用CFMC的模拟压力控制。
例如，具有可压缩流体的气动电容器的压差和流量之间的二次关系，致动器材料非线性力位移行为对流体电容的贡献，流体管道的分布电阻和电容以及高压差下的流量阻塞是气动系统中存在的一定非线性现象。
为了比较CFMC和CFPC ，研究人员使用相同的实验装置进行了两个实验。实验1比较了CFMC和CFPC之间致动器压力的动态范围，以及相互作用期间致动器产生的反作用力。实验2研究了基于CFMC学习神经网络模型的柔性致动器的充气/放气响应时间和模拟压力控制。

文章图片
团队在所述实验中使用了两个具有不同电容的定制软流体致动器（图6），这代表了我们在大多数触觉应用中会看到的各种电容。致动器由热密封尼龙背衬TPU织物制成原型，并用于开发充气气囊。实验1和实验2使用了具有小电容的柔性致动器（图6a），并且使用了较大电容的柔性致动器（图6b）来检验所提出的控制方法的通用性。
这项研究证明了CFMC之于CFPC的多种优势，但所述优势是以额外的控制基础设施为代价。为了精确控制执行器空气压力控制，团队需要额外的设备，例如配备附加的阀门和压力传感器，并且需要更复杂的控制策略。另外，由于CFMC能够实现更大的动态范围，因此需要设计柔性致动器以处理更大的压力范围。

文章图片
总的来说，研究人员提出了一种新的柔性流体致动器控制方法CFMC ，它使用两个阀门的布置来保持致动器内恒定的流体质量，而且它在可穿戴触觉中具有潜在优势。研究分析表明，与CFPC相比， CFMC使致动器输出力的动态范围更大，对充气和放气的响应时间更快。