详细说明
力传感器将力学形变转化为电信号,六维力传感器多通道采集信号,交由 AI 模型完成非线性映射。外力作用在传感器弹性体上,应变元件随形变产生电阻变化,转化为多通道模拟电信号。六维力传感器拥有多路传感通道,不同通道输出信号之间存在相互影响,属于非线性关联,简单线性换算很难还原真实受力。AI 模型基于大量标定样本学习原始多通道信号和真实六维载荷之间的映射关系,把采集得到的电信号转换为力与力矩数值。经过映射处理后的力学数据,再送入机器人控制回路,支撑具身智能各类接触交互动作,为物理交互提供基础感知信息。智立传感采集多场景温度循环数据,用于 AI 模型的工况适配训练。江苏AI解耦力传感器研发单位
智立传感把解耦算法与 AI 模型协同逻辑做优化,适配解耦芯片有限的内存资源。嵌入式芯片内存空间存在约束,复杂模型会占用大量存储资源,难以直接部署。研发阶段对 AI 模型结构和解耦算法逻辑开展优化,精简模型内冗余参数,调整算法运算步骤,降低运行时内存占用。优化后的模型与算法组合,能够在解耦芯片有限的内存空间内完成加载与持续推理运算,不会出现内存溢出问题。在保证信号处理能力的前提下适配嵌入式硬件,助力六维力传感组件小型化,方便集成至体积受限的具身智能执行机构。江苏AI解耦力传感器研发单位AI 模型学习维间耦合的非线性特征,辅助解耦算法削弱信号串扰。
解耦算法降低六维力传感器维间串扰,让 AI 模型更容易建立原始信号与真实载荷的映射。六维力传感器弹性体在承受复合外力时,各通道信号会互相耦合,原始数据的变化规律呈现复杂的非线性特征。过高的串扰会增加 AI 模型学习映射关系的难度,需要更多样本完成训练。解耦算法先对原始信号做预处理,削减通道之间相互干扰带来的分量,简化信号特征。经过预处理的数据送入 AI 模型,模型可以更高效学习原始信号和真实载荷之间的对应关系。二者协同工作,减少模型训练的样本压力,提升整套传感系统对多向复合载荷的解析能力,支撑具身智能的物理交互作业。
AI 模型可以识别六维力传感器蠕变特征,配合解耦算法,对缓慢载荷漂移做动态修正。传感器长时间承受固定载荷,弹性体会出现缓慢形变,带来信号随时间缓慢偏移,这类现象被称作蠕变。蠕变带来的漂移变化速度慢,和瞬时外力信号特征存在明显区别。在标定阶段采集长时间载荷作用下的传感数据,交由 AI 模型学习蠕变对应的信号变化规律。传感器工作时,模型识别蠕变引起的缓慢偏移分量,解耦算法从原始信号中将该分量扣除,完成信号修正。持续的动态修正可以弱化长时间作业带来的数据偏移,延长传感器稳定工作时长,适配具身智能长时间连续作业场景。AI 模型输出补偿参数,输入解耦算法完成六维力信号校正。
智立传感解耦芯片承载轻量化 AI 模型,在传感器本地完成信号处理,降低上位机算力负荷。传统方案将原始传感数据全部上传至机器人上位控制器,大量多路采样数据持续涌入,会占用上位机的算力资源,挤压运动规划、视觉识别等任务的运行空间。智立传感将轻量化 AI 模型部署在解耦芯片,传感器采集信号之后就地完成解耦运算,向外发送处理完成的结果数据。上位机不再需要处理海量原始电信号,可分配更多算力用于机器人运动规划与环境感知。这种模式适配嵌入式机器人控制系统,减少整机硬件配置压力,方便具身智能设备小型化设计与部署。力传感器长期持续受力会产生蠕变,解耦算法持续追踪这类信号偏移。江苏力传感器品牌
解耦芯片集成信号采集接口,可直接对接六维力传感器的敏感元件。江苏AI解耦力传感器研发单位
解耦芯片内置存储单元,保存 AI 模型参数,传感器上电后直接启动本地推理运算。AI 模型完成离线训练后生成权重参数,这些参数会存入解耦芯片自带的存储区域,不需要每次启动从外部设备加载。当传感器通电,芯片完成硬件初始化,读取存储单元内的模型参数,完成 AI 模型部署。传感器采集多路应变电信号并传入芯片,随即调用 AI 模型配合解耦算法执行推理与信号解算,持续输出六维力学结果。整套流程在传感单元本地运行,不需要依赖上位机下发模型文件,缩短传感器启动后的就绪时长,适配具身智能设备频繁启停的使用场景。江苏AI解耦力传感器研发单位
无锡智立传感科技有限公司是一家有着雄厚实力背景、信誉可靠、励精图治、展望未来、有梦想有目标,有组织有体系的公司,坚持于带领员工在未来的道路上大放光明,携手共画蓝图,在江苏省等地区的电子元器件行业中积累了大批忠诚的客户粉丝源,也收获了良好的用户口碑,为公司的发展奠定的良好的行业基础,也希望未来公司能成为行业的翘楚,努力为行业领域的发展奉献出自己的一份力量,我们相信精益求精的工作态度和不断的完善创新理念以及自强不息,斗志昂扬的的企业精神将引领无锡智立传感科技供应和您一起携手步入辉煌,共创佳绩,一直以来,公司贯彻执行科学管理、创新发展、诚实守信的方针,员工精诚努力,协同奋取,以品质、服务来赢得市场,我们一直在路上!