扭矩力传感器分为接触式与非接触式结构，不同结构形式适配不一样的设备安装布置条件。接触式扭矩传感器依靠滑环完成转轴上信号向外传输，转动轴体的感知单元产生信号，通过接触滑环传递到外部固定电路。滑环结构会存在机械磨损，高速长时间转动工况，磨损速度会上升。非接触式方案依靠电磁感应方式传递信号，转轴侧电路不需要物理接触就能够把信号传输出来，不存在滑环磨损问题。非接触结构更适合长时间连续旋转工况，但整套器件结构复杂度会有所上升。开展项目选型，结合转轴转速、连续工作时长、现场安装空间条件判断结构形式。接触式器件维护时需要检查滑环磨损状态；非接触式器件要留意周边金属部件，金属物体靠近会干扰电磁信号传递，影响信...

力传感器安装姿态会对采集得到的力学数据形成影响，部署阶段需要把控安装基准与对位状态。传感器具备自身定义的受力坐标轴，器件本体摆放角度发生偏转之后，外界施加的外力会分解到器件不同坐标轴。同样一组外力，传感器安装姿态不一样，各通道采集输出数值就会出现变化。开展设备装配时，需要对齐传感器坐标轴与设备系统坐标系，做好对位标记。法兰连接位置要保证贴合平整，垫片、异物留在连接面，会造成器件受力发生偏移。固定螺栓锁紧力度保持均匀，避免局部应力集中施加在传感器外壳。完成安装之后，可开展零点校验以及简单加载测试，对比输出结果，判断安装姿态是否带来异常数据。后期设备维护拆装传感器，同样需要记录对位基准，复原原有安...

AI 解耦算法有线性与非线性两类实现思路，可根据传感器耦合特征选择适配的实现路径。线性解耦思路假设传感器各通道耦合关系呈现线性变化，依靠标定矩阵完成信号换算，计算步骤简单，算力消耗低。该思路适合耦合表现接近线性变化的传感器。部分传感器弹性体形变偏大，耦合关系跟随载荷大小发生改变，呈现非线性特征，线性解耦思路校正之后依旧留存较大偏差。这时就需要采用非线性 AI 解耦思路，依托机器学习模型捕捉非线性耦合规律。非线性模型运算步骤更多，算力开销上升。项目选型思路时，先测试传感器耦合随载荷变化特征。耦合接近线性，优先选用线性方案；耦合非线性特征明显，则采用非线性 AI 方案。选定思路之后完成模型训练、实...

AI 解耦算法训练阶段需要大量多维度混合加载样本，以此提升对复杂受力条件的适配能力。现实工况当中，传感器往往同时承受多个方向力与扭矩共同作用，并非单一维度受力。如果训练数据集只录入单维度加载样本，模型学习不到混合受力下耦合变化规律，遇到复合载荷，算法校正效果会变差。采集样本时，需要组合不同大小、不同方向的力与扭矩，生成丰富混合加载样本集合。每一组样本都记录标准输入力学量以及传感器原始输出信号。样本分布尽量贴合后续真实使用工况，工况高频出现的载荷组合，样本数量可以适当增加。样本采集完成之后投入模型训练，训练结束划分出测试样本集，用来检验模型。若混合载荷条件下校正偏差偏大，则需要扩充对应工况样本，...

扭矩力传感器在动力传动测试场景使用较多，记录转轴运转过程中实时产生的扭转力学数值。电机、减速器、传动轴这类部件研发与出厂测试环节，需要掌握动力传递过程力矩变化情况。扭矩力传感器接入传动链路，转轴转动产生扭转形变，器件捕捉形变信号，转化为可供设备读取的数据。测试工况分为静态扭矩测试与动态扭矩测试，静态对应转轴保持静止承受扭转载荷，动态对应转轴持续旋转状态。动态场景之下，转轴转速高低会对器件信号采集形成一定作用，选型阶段要确认器件适配的转速区间。测试过程除采集瞬时扭矩，还可以持续记录扭矩随时间变化曲线，供研发人员分析传动部件工作状态。安装环节尽量减少额外侧向力，侧向载荷产生的形变叠加到器件内部，会...

力传感器和数据采集单元之间的通讯协议，决定数据传输时延以及数据交互的兼容情况。传感器完成信号数字化之后，依靠通讯协议把数据发送给采集单元或者上位机。不同通讯协议传输速率、帧格式存在区别。部分协议侧重短距离高速数据交互，部分协议适配远距离抗干扰传输。协议选择不匹配，会出现数据丢包、传输时延过大，或者硬件之间无法完成通讯对接。开展系统搭建，梳理传感器输出支持协议，同时确认接收硬件兼容协议类型。优先选择双方都支持的通讯方案。通讯参数设置包含波特率、帧周期等内容，参数需要两端配置保持一致。设备调试阶段统计数据传输时延，记录丢包率。如果时延过高或者丢包频繁，核查通讯协议选型、参数配置以及线路连接状态，排...

力传感器零点会随环境条件发生偏移，系统运行时可设置零点复位流程修正偏移带来的误差。零点指代传感器不受外力作用时输出信号数值。温度改变、器件应力释放都会造成零点发生偏移。零点偏移之后，即便没有载荷，器件依旧输出非零数值，该偏移量会叠加到测量结果当中。很多设备运行场景，会出现短暂无载荷时刻，系统可以利用该时间窗口执行零点复位流程。复位逻辑读取传感器当前输出数值，把该组数值记录为新零点基准，后续测量运算时减去零点基准数值。零点复位需要确认执行时刻传感器确实不受外力干扰，如果复位时器件依旧承受载荷，会引入新误差。软件开发时增加条件判断，只有满足无载荷条件，才允许触发零点复位操作，规避错误复位带来数据问...

AI 解耦算法可以区分真实外力输入与结构形变带来的交叉信号，分离出各维度有效测量数据。六维力传感器受力时，除当前维度真实载荷，弹性体形变扩散会让其余通道生成交叉信号。交叉信号不属于该维度真实外力，属于耦合带来的无效分量。AI 解耦算法依托训练习得的耦合规律，读取六路原始信号，拆分出真实载荷分量和交叉耦合分量。算法计算之后剔除交叉分量，输出各个维度真实受力数值。外界温度漂移、电路噪声同样会混入原始信号，算法需要区分耦合交叉信号和这类干扰信号。算法无法完全消除全部类型干扰，所以解耦流程前面一般搭配信号滤波步骤，先过滤随机噪声，再执行解耦运算。算法输出结果依旧需要结合现场工况校验，观察外力施加与撤销...

MEMS 传感器应用于具身智能设备，为设备和外界环境接触过程提供底层力学感知输入来源。具身智能设备需要和物理世界开展交互，不只是做视觉信息接收，还需要感受物理层面接触作用。MEMS 传感器作为力学感知硬件，设备触碰物体、发生接触，器件把力学作用转化电信号。设备内部 AI 系统读取力学感知数据，结合视觉等其他传感器信息，理解当下物理交互状态。依靠力学信息，设备可以感知触碰、碰撞、物体夹持力度。MEMS 器件体积小巧，可以集成在机器人手指、躯体接触点位。芯片输出信号需要调理、采集之后才可以交给设备 AI 系统。整套感知链路，硬件、电路、数据处理互相配合，把物理世界力学交互转化为智能系统可以读取的数...

MEMS 传感器的微结构加工工艺把控，会改变器件对于微小力学输入的感知响应能力。MEMS 力学传感器依靠硅片刻蚀得到微型弹性感知结构，光刻、刻蚀、薄膜沉积等工序都会作用微结构终形态。刻蚀深度出现偏差，微弹性梁厚度就会偏离设计参数，同等外力下形变程度发生变化。薄膜层厚度不均匀，感知电极电气参数出现差异。单颗芯片内部多组感知微结构一致性，同样由加工工艺决定。工艺波动会造成同批次芯片器件响应出现区别。生产流程当中设置多道中间检测工序，监控微结构尺寸参数。即便加工工艺管控到位，MEMS 微结构抗过载能力有限，超出承受范围的冲击载荷，会造成微结构断裂损坏。整机设计阶段增加限位结构，限制最大形变量，降低过...

六维力传感器输出的多路信号会存在耦合现象，算法处理环节需要针对该现象开展对应校正。当单一方向施加外力，六维力传感器六个输出通道都会出现数值波动，并非只有受力对应通道产生响应。耦合来源于弹性体本身结构特性，受力之后弹性体形变会扩散到多个感知点位，造成各通道信号互相牵连。如果不做校正处理，输出数据无法还原物体真实受力情况。校正工作分为硬件层面优化以及算法层面处理，硬件依靠弹性体结构设计弱化耦合程度，算法则是对采集完成的原始信号做运算修正。算法处理前需要完成传感器标定工作，采集多组已知力学载荷下各通道输出样本，梳理耦合映射关系。后续设备运行，算法读取实时原始数据，依托已建立的映射关系抵消耦合带来的信...

扭矩力传感器侧重对旋转运动过程产生的扭转力学量做采集，多用于转轴工况的数据获取工作。各类转动机构运转时，轴体承受扭转作用，扭矩数值反映动力传递过程当中力矩大小。扭矩力传感器可以捕捉这类扭转力学量，为传动系统测试提供数据支撑。器件安装在动力传递路径之上，电机输出动力经过传感器再传递到负载端，转轴发生扭转形变，器件内部感知单元捕捉形变变化，转换为电信号输出。不同工业测试场景，转轴尺寸、转速区间存在差异，选型阶段需要匹配被测转轴的工况条件。部分测试场景除扭矩之外，还需要同步记录转速参数，这时扭矩力传感器可以搭配转速采集模块协同作业。安装作业需要管控同轴状态，侧向载荷尽量规避，多余侧向作用力会引入额外...

扭矩力传感器信号传输方式包含有线传输与无线传输，不同模式适配不同现场布线条件。有线传输依靠线缆把传感器信号向外输送，信号传输过程稳定，信号损耗小；但被测转轴持续旋转场景，线缆会发生缠绕，有线方案就无法直接使用。无线传输方案将转轴侧采集到扭矩信号，通过无线电形式发送到外部接收单元，转轴转动不会带来线缆缠绕问题。无线方案无需布置转动部分线缆，适配连续旋转工况；不过无线信号会受到现场金属结构、电磁设备干扰，有可能出现信号丢包。现场开展方案设计，查看被测部件运动形式。部件只做小角度往复摆动，不会整圈旋转，有线传输可以使用；部件需要不间断整圈旋转，则选用无线传输模式。无线部署需要规划接收天线摆放位置，降...

六维力传感器的数据输出速率，需要匹配上层控制系统运算节奏，保障交互动作的响应配合。传感器会按照固定时间间隔向外输出六路力学数据，这个时间间隔对应输出速率。机器人控制系统也有自身循环运算周期，控制系统每一轮循环读取传感器数据，再生成运动指令。当传感器输出速率低于控制器运算周期，控制器部分循环周期拿不到新的力学数据；输出速率过高，会产生大量数据，加大通讯链路与控制器的数据处理负担。前期方案设计，梳理控制系统循环周期参数，选择与之适配的传感器输出速率。部分传感器支持修改输出速率参数，可以结合现场调试情况调整。数据传输过程存在时延，时延叠加会造成力学信息和设备实际接触状态出现时间差。调试阶段观察接触瞬...

我们的六维力传感器采用深度学习模型，通过海量数据训练建立非线性映射，彻底摆脱人工标定依赖。定制化RPU芯片专为解耦运算设计，实现微秒级的响应，全流程能本地闭环处理。我们的六维力传感器是国内搭载AI端侧芯片及自主研发垂直模型的智能六维力传感器，能捕捉细微力学变化。我们的传感器有一次训练，可多次复用的优势。模型可应用于同类型传感器，极大提升标定效率，复用现有产线，降低设备与长期人力成本，实现降本增效，并且模型输出高度稳定，为批量生产提供标准化、高精度的标定结果。我们的传感器可应用于工业制造、精密装配、人形机器人、服务型机器人等场景。在人形机器人领域，传感器能够为机器人提供精确的力觉反馈，它...

六维力传感器在装配机器人场景使用时，力学反馈信息辅助完成工件对接与装配调整动作。自动化装配作业当中，零件之间存在尺寸公差，单纯依靠位置指令移动机械臂，容易出现零件硬顶卡死情况。六维力传感器采集装配过程产生力与扭矩，当两个工件接触干涉，力学数值立刻上升。控制系统读取力学数据，调整机械臂姿态，微调位置，释放掉接触产生的干涉力。在轴孔装配这类典型工况，传感器捕捉孔轴接触点的侧向力，引导轴件偏移位置，顺着孔口斜面滑入孔体内部。装配全过程持续监测力学状态，接触力维持在合理区间。装配调试阶段，需要设置力学阈值，力超过阈值机械臂停止进给，防止工件、设备发生磕碰损坏。传感器数据的稳定程度，会直接影响整套装配流...

扭矩力传感器分为接触式与非接触式结构，不同结构形式适配不一样的设备安装布置条件。接触式扭矩传感器依靠滑环完成转轴上信号向外传输，转动轴体的感知单元产生信号，通过接触滑环传递到外部固定电路。滑环结构会存在机械磨损，高速长时间转动工况，磨损速度会上升。非接触式方案依靠电磁感应方式传递信号，转轴侧电路不需要物理接触就能够把信号传输出来，不存在滑环磨损问题。非接触结构更适合长时间连续旋转工况，但整套器件结构复杂度会有所上升。开展项目选型，结合转轴转速、连续工作时长、现场安装空间条件判断结构形式。接触式器件维护时需要检查滑环磨损状态；非接触式器件要留意周边金属部件，金属物体靠近会干扰电磁信号传递，影响信...

力传感器的信号调理电路负责放大微弱形变产生的电信号，为后续的数据采集做好预处理。力传感器内部感知元件受力形变产生电信号，信号幅值通常十分微弱，直接传输给采集硬件，容易被噪声覆盖。信号调理电路接收传感器原始信号，完成信号放大，把信号幅值抬升到采集芯片适配区间。除放大之外，调理电路还可以设置滤波单元，过滤一部分高频噪声。部分调理电路集成温度采集点位，配合软件完成温度漂移补偿。调理电路元器件本身会产生噪声，元器件选型、PCB 布线设计会影响电路噪声水平。调理电路和传感器尽量缩短信号传输距离，微弱原始信号长距离走线容易拾取干扰。经过调理处理之后输出的信号，稳定性得到提升，再接入采集模块开展数字化采样工...