量化触觉柔软度:加州大学圣地亚哥分校建立真实触感数学模型
从主观感知到可计算参数
加州大学圣地亚哥分校研究团队首次建立数学公式,可基于材料厚度、杨氏模量(刚度指标)及微图案面积精准预测指尖感知的柔软度,亦可反向设计材料参数以实现目标手感。
解耦感知关键参数
传统认知中,指尖压入深度(压陷深度)与接触面积同步变化。研究者设计9款差异化弹性体试块,通过表面微柱阵列调控,成功将两参数解耦:
- 微柱阵列允许指尖深陷而不增加实质接触面积
- 试块在微图案密度、厚度、杨氏模量三维度正交变化
人因实验验证
15名受试者完成两项任务:
- 两两比较判别更软试块
- 将9块试块按软硬排序
核心发现:感知更软的试块普遍具备——更大厚度、极少/无微图案、低杨氏模量;感知更硬则相反。
工程意义
该模型为触觉界面、VR/AR力反馈设备、机器人灵巧手及假肢覆盖材料的“手感定制化设计”提供了量化工具,可显著缩短试错周期。
联系方式:Liezel Labios | llabios@ucsd.edu | +1 858-246-1124
传感器