D100、D150、D250和D300以及经过训练的kNN分类器和MLP分类器被用于性能分类和材料分类。表6中的结果表明，我们的方法具有足够的鲁棒性，能够识别不同交互力作用下的材料。

表6。不同交互力作用下的识别结果。

表

为了检验该方法的实际适用性，利用训练好的MLP分类器对与本文所用材料相同或相似但来自不同对象的其他材料进行识别。材料有木材、海绵、棉花、铁、砂纸（150粒度）和陶瓷。对于每种材料，收集了30个数据样本。识别结果见表7。虽然其他材料的识别不如以前准确，但也可以接受。

表7。不同交互力作用下的识别结果。

表适用于人-机器人物理交互的适配力/触觉皮肤。IEEE机器人。自动驾驶。利特。2016年1月41-48日。【谷歌学者】【交叉引用】

Luo，S.；Bimbo，J.；Dahiya，R.；Liu，H.《物体特性的机器人触觉感知：综述》。机电一体化2017，48，54–67。【谷歌学者】【交叉引用】

Howe，R.D.；Cutkosky，M.R.《动态触觉感知：用应力率感知精细表面特征》。IEEE传输。机器人。自动驾驶。1993年9月，第140-151页。【谷歌学者】【交叉引用】

Drimus，A.；Petersen，M.B.；Bilberg，A.。使用主动探索的动态触觉感知进行物体纹理识别。《IEEE Ro-Man会议录：IEEE机器人与人类交互通信国际研讨会》，法国巴黎，2012年9月9-13日；第277-283页。[谷歌学者]

Cutkosky，M.R.；Ulmen，J.《动态触觉感知》。《人类手作为机器人手发展的灵感》；Balasubramanian，R.，Santos，V.J.，编辑；Springer International Publishing:Cham，Germany，2014；第389–403页。[谷歌学者]

Hammock，M.L.；Chortos，A.；Tee，B.C.；Tok，J.B.；Bao，Z.。25周年纪念文章：电子皮肤（e-skin）：简史、设计考虑和最新进展。高级材料。2013年25月5997日。【谷歌学者】【交叉引用】

Kappassov，Z.；Corrales，J.-A.；Perdereau，V.《灵巧机器人手的触觉感知研究》。机器人。自动。系统。2015、74、195-220年。【谷歌学者】【交叉引用】

Heyneman，B.；Cutkosky，M.R.《动态触觉阵列传感器的滑动分类》。内景J机器人。2016年第35404-421号决议。【谷歌学者】【交叉引用】

Hughes，D.；Correll，N.《无定形机器人皮肤中的纹理识别和定位》。生物灵感。Biomim公司。2015年10月5日5002。【谷歌学者】【交叉引用】

Spiers，A.J.；Liarokapis，M.V.；Calli，B.；Dollar，A.M.。利用简单的机械手和触觉传感器进行单抓取物体分类和特征提取。IEEE传输。触觉2016，9207–220。[Google Scholar][CrossRef][PubMed]

Kerr，E.；Mcginnity，T.M.；Coleman，S.《使用触觉感知的材料识别》。专家系统。申请。2018，94，94–111。【谷歌学者】【交叉引用】

Khasnobish，A.；Pal，M.；Tibarewala，D.N.；Konar，A.；Pal，K.《通过触觉图像分析基于纹理和变形能力的表面识别》。医学。生物。工程计算机。2016年，第54期，第1269-1283页。[Google Scholar][CrossRef][PubMed]

Sinapov，J.；Sukhoy，V.；Sahai，R.；Stoytchev，A.《拟人机器人的表面振动识别和分类》。IEEE传输。机器人。2011年，27488-497。【谷歌学者】【交叉引用】

Strese，M.；Schuwerk，C.；Iepure，A.；Steinbach，E.《基于多模式特征的表面材料分类》。IEEE传输。触觉2017，10，226–239。【谷歌学者】【交叉引用】

Kerr，E.；Mcginnity，T.M.；Coleman，S.《根据人体性能评估的热和表面纹理特性的材料分类》。《控制自动化机器人与视觉国际会议记录》，新加坡，2014年12月10-12日；第444-449页。[谷歌学者]

Bhattacharjee，T.；Rehg，J.M.；Kemp，C.C.《利用触觉感知前臂对物体进行触觉分类和识别》。《Ieee/rsj智能机器人与系统国际会议论文集》，葡萄牙维拉莫拉，2012年10月7-12日；第4090-4097页。[谷歌学者]

Lederman，S.J.；Klatzky，R.L.《通过触觉探索提取物体属性》。心理学学报。1993年，84年，29-40年。【谷歌学者】【交叉引用】

Kaboli，M.；Cheng，G.《通过人工机器人皮肤区分物体和纹理属性的强大触觉描述符》。IEEE传输。机器人。2018年，34985-1003年。【谷歌学者】【交叉引用】

Tanaka，D.；Matsubara，T.；Ichien，K.；Sugimoto，K.《利用动作特征进行主动触觉物体识别的物体流形学习》。2014年IEEE/RSJ智能机器人和系统国际会议记录，伊利诺伊州芝加哥，2014年9月14-18日；第608-614页。[谷歌学者]

Dahiya，R.S.；Metta，G.；Valle，M.；Sandini，G.《从人类到类人的触觉感知》。IEEE传输。机器人。2010年，26日，1-20日。【谷歌学者】【交叉引用】

Romano，J.M.；Xiao，K.；Niemeyer，G.；Chitta，S.；Kuchenbecker，K.J.《基于触觉感知的机器人抓取控制》。IEEE传输。机器人。2011年，27日，1067–1079。【谷歌学者】【交叉引用】

Stark，B.；Carlstedt，T.；Hallin，R.G.；Risling，M.《手上人类太平洋小体的分布》。尸体研究。J、 手外科。1998，23370–372。【谷歌学者】【交叉引用】

Johansson，R.S.；Vallbo，A.B.《人类手的触觉敏感性：无毛皮肤中四种机械感受单位的相对和绝对密度》。J、 生理学。1979年，286年，283-300年。[Google Scholar][CrossRef][PubMed]

Balasubramanian，R.；Santos，V.J.《人的手作为机器人手开发的灵感》；Springer出版公司，注册地：美国宾夕法尼亚州萨克森堡，2014年。[谷歌学者]

Lederman，S.J.；Klatzky，R.L.《手的运动：一扇窗户进入》

5讨论

近年来，许多研究者致力于材料识别。在这里，我们总结了一些相关的工作，触觉数据、EP、EP时间（ToEP）、特征数（NoF）、材料数量（NoM）和工作精度如表8所示。分析表8，值得注意的是，我们的方法在探索过程中所花费的时间少于大多数工作，这说明了该方法的有效性。该方法能使机器人快速识别材料，大大提高了机器人的触觉感知能力，扩大了机器人的应用范围。由于之前的工作已经识别出不同数量和性质的材料，因此这些工作和我们的方法之间的精度比较在统计学上并不显著。然而，我们的方法所识别的材料具有覆盖大多数物体的不同性质，有些材料，如砂纸和海绵，则大不相同，而有些材料，如聚氯乙烯和橡胶，则非常相似。因此，该方法90%的准确度足以提高机器人的抓取、操纵和其他交互任务。

表8。相关工作总结。

表

6结论

提出了一种用于机器人触觉感知的有效材料识别方法。在我们的方法中，使用一个带有高密度传感阵列的触觉传感器，对12种具有不同柔度和纹理的材料进行1秒的滑动动作。然后从原始触觉数据中提取三个序列，以减少数据量。基于这些序列，计算出11个生物特征作为分类器的输入。在我们的研究中，七个分类器被用来分类，其中kNN在属性识别中的正确率最高（96%），而MLP在材料识别中的准确率最高（90%）。短时间的探索过程使方法有效，而生物启发的数据处理使方法更精确。在未来的工作中，多模态传感传感器将被应用于提高材料识别的准确性和鲁棒性。

作者投稿

C、 C.和W.X.提出了论文的概念并进行了调查。Y、 X.和D.W.设计了实验。C、 进行了实验和编码。W、 X.和H.L.起草了初稿。D、 W.和Y.X.审查并编辑了草案。Y、 X.负责监督和项目管理。所有作者都已阅读并批准了最后的手稿。

基金

感谢国家自然科学基金（No.61803221）、广东省自然科学基金（No.2017A030313352）、国防空间智能控制实验室（KJGZDSYS-2018-07）的资助。

利益冲突

作者声明没有利益冲突。

工具书类

Tsarouchi，P.；Makris，S.；Chryssoluris，G.《人-机器人交互回顾与任务规划与编程挑战》。国际计算机杂志。整数。2016年制造，29，916–931。【谷歌学者】【交叉引用】

Li，M.；Deng，J.；Zha，F.；Qu，S.；Wang，X.；Chen，F.。利用下肢外骨骼机器人在线估计人体关节肌肉力矩。申请。科学。2018年8月。【谷歌学者】【交叉引用】

Hu，D.；Gong，Y.；Hannaford，B.；Seibel，E.J.《使用行为树的RAVENII手术机器人半自主模拟脑肿瘤消融》。IEEE机器人与自动化国际会议论文集，美国华盛顿州西雅图，2015年5月26-30日；第3868-3875页。[谷歌学者]

Kehoe，B.；Kahn，G.；Mahler，J.；Kim，J.；Lee，A.；Lee，A.；Nakagawa，K.；Patil，S.；Boyd，W.D.；Abbeel，P.；等。Raven手术机器人自主多边清创术。在2014届IEEE机器人与自动化国际会议（ICRA）会议上，香港，中国，5月31日至2014年6月7日；第1432至1439页。[谷歌学者]

Chortos，A.；Liu，J.；Bao，Z.。追求电子假肢皮肤。纳特。马特。2016年，15937年。[Google Scholar][CrossRef][PubMed]

Cirillo，A.；Ficucello，F.；N