佰感交融 机智过人
XELA矩阵式三轴触觉传感器
XELA Robotics阵列式三轴力触觉传感器Uskin,为组装和包装领域的企业创造了新的可能性。XELA Robotics公司开发了uSkin,这是一种高密度的三轴触觉传感器,采用薄、柔软、耐用的包装,并且布线少。uSkin可以轻松集成到新的和现有的机器人中。这为机器人提供了类似人的触觉,从而使它们能够精确地抓握和操纵物体。uSkin可以轻松集成到各种机器人手和夹具中。
XELA的三轴力传感器阵列,用于实现机器手和夹爪的触觉感知。XELA触觉感应阵列,具有小巧、轻薄、柔软、耐用,布线少等优点。Uskin传感器阵列具有1×1、2×1、2×2、4×4、4×6多种规格。
产品主要特点:
1、数字输出
提供数字输出,只需要几根细线,不需额外模数转换器。提供更快、更精确的测量,同时将电噪声和干扰降至最低。
2、柔软耐用
这是一种柔软传感器,能够处理易碎物体而不会损坏它们。不同尺寸、形状、硬度和重量的物体可以可靠地抓握和操作。柔软性还可确保传感器对过载具有高度的弹性,使其非常耐用。
3、易于集成
XELA提供触觉皮肤传感器,可轻松集成,以简单地粘附或连接方式进行安装。
应用案例1:Allegro Hand 四指灵巧手
特征:
每个手指包括64个三轴触觉传感器
柔软的皮肤
每个模块仅需要7根导线进行连接
使用触觉感知的灵巧操作
ICRA 2017软机器人挑战赛获奖
应用案例2:SCHUNK 夹爪
uSkin可以和SCHUNK等各种平行夹爪集成。uSkin设计了一个定制的指尖,可以安装在Schunk、Weiss、Onrobot等各种平行夹爪上。
应用案例3:定制指尖
2个(每个手指一个)*24个三轴触觉传感器
这款定制的指尖,完全适合uSkin的所有组件,并完全固定和覆盖我们的传感器。
+干净的设计
+保护微控制器和大部分导线
+提高抗剪切力的耐久性
应用案例4:SAKE 机器人夹爪
将SAKE机器人手爪与uSkin相结合,使其能够精确地抓取和操纵物体。
特征:
2个(每个手指一个)*24个三轴触觉传感器
柔软的皮肤
每个模块仅需要7根导线进行连接
用适当的力量抓住精致的物体
应用案例5:ROBOTIQ 夹爪
XELA uSkin可以集成到ROBOTIQ手爪上。uSkin传感器可以针对每个特定应用进行修改。对于这个特殊的应用,我们将传感器的外壳从普通的夹持胶带改为硅胶外层。硅层确保了客户研究所需的平坦表面。
特征:
2个(每个手指一个)*16个三轴触觉传感器
硅胶外壳
只需要5根电线
- 具体型号价格另议010-62360224
-
-
DIGIT开源视触觉传感器
Digit开源视触觉传感器采用RGB LED模组以及相机模块,由于手指在不同压力下会影响形变,而也会直接影响相机拍摄到颜色的变化,通过这个变化来判断触觉。将Digit结合机器人手掌进行试验,将Digit放置于指尖,它可以轻松地识别到抓握、捏合等等动作。例如:通过两个手指来拟合玻璃球的动作,而这个似乎还需要更多的训练,来让整套操作变得体验更优秀,尤其是面对这种复杂、变化的场景。 -
Shokac Probe超精细触觉传感器
Shokac Probe是Touchence公司基于日本香川大学高尾实验室领导的 JST-CREST 项目(开发用于定量检测超精细触觉的纳米触觉神经网络及其在触觉测量技术中的应用生产)的 MEMS 触觉传感器和触觉评估技术。Shokac Probe传感器具有与人的指纹相似的结构,可量化触觉,可以同时测量细微的表面凹凸不平和摩擦力的变化。 -
Touchence柔性触觉传感器
触觉是与视觉、味觉、听觉和嗅觉相媲一体的五种感官之一。视觉作为视觉系统得到了广泛的应用,但随着触觉技术的研究阶段越来越多,当触觉传感器投入实际使用时,机器人可以做以前只有人类才能做的事情,在游戏和VR中,输入设备可以更接近现实。触觉传感器可以在美容、医疗和体育等许多领域为创新做出贡献。Touchence从事触觉传感器的研发和生产,主要产品有ShokacCube、ShokacPot三轴位移触觉传感器和Shokac Chip微型六轴力触觉传感器。 -
Contactile三轴触觉力传感器
Contactile 是机器人触觉传感器的革新者,凭借独有的光学原理触觉传感器,能够为机器人抓取和柔性作业系统赋予类似人手一般的触觉感知优势。 -
GelSight Mini 高分辨率视触觉传感器
GelSight Mini的触觉智能技术以类似人类触觉的灵敏度和高分辨率将触摸数字化,是一款具有高分辨率,可将触觉2D和3D数字映射的触觉传感器。GelSight Mini可用于触觉智能的各种应用中,例如机器人和自动化、测量以及人工智能培训和教育。GelSight Mini将能够检测接触位置、识别与传感器接触表面的接触形状(2D和3D),并将任何输出连接到机器学习架构,允许用户创建与熟悉行业的标准软件环境直接兼容的详细、准确的表面表征,进而改进了机器人、工业原型设计、人工智能和触摸研究等领域的流程。
-