Current industrial needs—now characterized by the agile and lean paradigm—focus on producing smaller batches of greater variety. Since robots require more advanced skills to handle a greater variety of parts, efforts have been made to improve their manipulation capabilities. However, these efforts have mainly involved artificial vision, which is not enough to provide all the information needed for advanced manipulation tasks. And although non-vision methods exist, such as those based on tactile sensing, they are rarely used in industry. Perhaps industry would be more inclined to adopt tactile sensors if we could better exploit their signals. Thus, the main objective of this thesis is to advance the field of tactile intelligence, in order to improve robots’ manipulation capabilities. To do so, three methods are proposed.

First, to improve robots’ ability to grasp fragile objects, we developed a dry gecko-inspired adhesive and used it to cover tactile sensors integrated on a gripper’s fingertips. We also patented a chevron pattern for the adhesive that compensates for tangential force and moments at low pressure. We showed that the interaction force between the grasped object and the adhesive is strongly correlated with the contact area—and unlike with typical Coulomb friction, it is less correlated with the amount of force. Therefore, this material is well-suited to handling delicate objects such as those that are fragile or deformable.

Second, the problem of detecting and classifying important dynamic events using tactile measurements is investigated. Specifically, we applied sparse coding to the problem of detecting important dynamic events, such as an object slipping from a robot’s grasp. This method of encoding tactile sensing data reduces the amount of space required to store the data coming from the sensors, but it is also demonstrated that it highlights their most important features. In fact, we show that using only a low number of sparsely encoded features, it was possible to accurately detect four different classes of dynamic events.

Third, we studied three ways to identify an object from among 50 non-fragile objects:​ measuring vibrations when the gripper moved across the surface of an object;​ measuring how wide the gripper opened during the grasp;​ and measuring object deformity on the tactile sensor. We found that all these methods are able to identify objects, but by far the most efficient is object deformity (i.e., perceived deformation of the object at the fingertips), which alone is enough to identify the vast majority of the objects. The benefits of this method are that there is almost no exploration phase and vision is not required, so objects can be identified at the same time as they are grasped—meaning there is low increase in processing time or operating cost.

En vue de s’accorder avec les nouveaux besoins industriels agile et lean, davantage axés sur une production individualisée et à la demande, les robots devront être dotés d’habiletés plus avancées. Les chaînes de montage évoluant dans ce contexte se caractérisent par une production à faible volume, mais à grande diversité, ce qui implique qu’une plus grande variété de pièces devra être prise en charge par les robots. Une part importante des efforts accomplis à ce jour pour améliorer les capacités de manipulation robotique a comme pierre d’assise la vision artificielle. Or, cette approche est loin de constituer à elle seule une solution complète. De plus, les robots ne possèdent toujours pas la dextérité nécessaire à la manipulation d’une multitude de pièces pourtant très répandues dans l’industrie, dont celles de petite taille, fragiles ou déformables. Enfin, bien que le sens du toucher soit au cœur des activités de manipulation, il n’existe encore que très peu d’exemples d’applications industrielles tirant profit de la technologie émergente des capteurs tactiles, des travaux axés sur une meilleure exploitation de leurs signaux restant encore à être accomplis. Ainsi, l’objectif principal de cette thèse s’articule autour de ce thème et vise le développement d’avancées dans le domaine de l’intelligence tactile, afin de bonifier les capacités de manipulation des robots. Pour ce faire, trois méthodes sont proposées.

La première méthode consiste à revoir la conception d’un capteur tactile afin d’intégrer un adhésif sec inspiré des geckos pour l’amélioration de la manipulation des objets fragiles et déformables. En particulier, il est démontré qu’un nouvel adhésif sec microtexturé à l’aide d’un patron spécialement conçu pour les fins de cette recherche permet de compenser des forces normales ainsi que des moments importants, en ne nécessitant toutefois que l’application d’une faible pression sur les objets à saisir.

En deuxième lieu, l’étude du problème de la détection et de la classification d’évènements dynamiques préoccupants, grâce aux mesures effectuées par des capteurs tactiles, est réalisée. Plus particulièrement, des techniques d’encodage des données tactiles sont mises à contribution afin de réduire la taille des données provenant des capteurs, mais également dans le but de mettre en lumière les caractéristiques importantes qu’elles contiennent.

Enfin, la troisième méthode consiste à comparer certaines modalités tactiles fréquemment répandues afin d’en déterminer leur efficacité à permettre la reconnaissance automatique d’objets sans avoir recours à la vision. Dans le cadre de cette investigation, il est établi que la déformation des objets telle que perçue par les capteurs tactiles lors de leur compression permet a elle seule de différencier une quantitée importantes d’objets parmis une banque, permettant ainsi l’élaboration d’une procédure rapide visant à reconnaître des objets automatiquement durant leur saisie.