- Titel
- Entwicklung eines regressionsbasierten Modells zur Vorhersage der Normalkraft an einem eFlesh-Taktilsensor
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:l189-qucosa2-1038197
- Datum der Einreichung
- 12.02.2026
- Abstract (DE)
- Desirability, Feasibility und Viability: Diese drei Eigenschaften herausragender Erfindungen konnten Pattabiraman et al. [1] mit ihrem eFlesh-Taktilsensor in vollem Umfang erfüllen. Sie folgen der exponentiellen technologischen Entwicklung der Robotik, vereinfachen die Herstellung leistungsfähiger Taktilsensoren radikal und verwenden dafür ausschließlich einen 3D-Drucker, Haushaltsmagnete und eine günstige Magnetometer-Schaltung. Es hat sich jedoch gezeigt, dass professionelles Laborequipment und ein Roboterarm zur Kalibrierung des von den eFlesh-Entwicklern verwendeten neuronalen Netzes benötigt werden. Zudem bleibt unklar, welche genauen physikalischen Zusammenhänge dem Signalverlauf bei Belastung zugrunde liegen. In dieser Arbeit wird daher eine Modellierung des Sensorverhaltens über ein Regressionsmodell zweiten Grades entwickelt, dessen Datengrundlage in einem komplett 3D-gedruckten Versuchsaufbau erfasst werden kann. Die Analyse des viskoelastischen Materialverhaltens des eFlesh-Sensors offenbart dabei einen fast linearen Zusammenhang zwischen Kraft und Kompression sowie einen quadratischen zwischen Kraft und Zeit. Es wird demonstriert, dass das Regressionsmodell diese physikalischen Zusammenhänge mathematisch nachbilden kann und dabei eine Anpassungsgüte von R2 = 0, 997 mit symmetrischer Fehlerverteilung aufweist. Für die Vorhersage der Normalkraft wird an einem unabhängigen Datensatz ein Gesamt-RMSE von 0, 09N und damit eine mit dem neuronalen Netz vergleichbare Genauigkeit erreicht.
- Freie Schlagwörter (DE)
- Taktile Sensorik, Regression, eFlesh, Normalkraft, Robotik
- Den akademischen Grad verleihende / prüfende Institution
- Hochschule für Technik, Wirtschaft und Kultur Leipzig, Leipzig
- Version / Begutachtungsstatus
- angenommene Version / Postprint / Autorenversion
- URN Qucosa
- urn:nbn:de:bsz:l189-qucosa2-1038197
- Veröffentlichungsdatum Qucosa
- 15.04.2026
- Dokumenttyp
- Bachelorarbeit
- Sprache des Dokumentes
- Deutsch
- Lizenz / Rechtehinweis
CC BY 4.0- Inhaltsverzeichnis
1 Einleitung 7 2 Stand der Wissenschaft und Technik 9 2.1 Taktile Informationen 9 2.2 eFlesh 11 2.3 Abbildung von Rohdaten zu höherwertigen Informationen 13 2.4 Robot Operating System 2 15 2.5 Statistische Grundlagen 16 3 Überleitung 19 4 Methoden 21 4.1 Einbindung des eFlesh in das ROS2-Netzwerk 21 4.2 Aufnahme der Kalibrierungsdaten 23 4.2.1 Versuchsaufbau 23 4.2.2 Softwarekomponente 25 4.3 Erstellung des Regressionsmodells 27 4.4 Echtzeit-Anwendung des Regressionsmodells 30 5 Auswertung 33 6 Diskussion 44 7 Fazit 46 Literaturverzeichnis 47 Anhang 52