소프트 로보틱스의 주요기술 중 하나인 가변강성기술을 적용한 다양한 소프트 로봇이 연구되고 있다. 이 중 가변강성기술을 이용한 소프트 그리퍼(soft gripper)로 다양한 물체를 잡는 연구가 진행되고 있으며 상용화가 진행 중이다. 소프트 그리퍼는 기존의 강성체로 구성되는 그리퍼 로봇과는 다르게 물체 접촉시 물체의 형태에 따라 변형되기 때문에 채소와 같이 연성 상태를 유지하고 있는 물체에 변형을 일으키거나, 작업자에게 해를 입힐 가능성이 적다. 이에 가변강성 기술 중 하나인 tendon-driven방식을 이용하여 가변강성 소프트 그리퍼를 제작하고 물체인식을 위한 센서를 적용을 하고자 하였다. 본 논문에서 소프트 그리퍼에 적용한 가변강성체는 힘줄에 해당하는 tendon을 고정한 강성체에 연성체와 강성체를 교차 연결하여 제작된다. 이 가변강성체는 마지막에 연결한 강성체를 고정시킨 상태로 tendon을 당기면 강성체가 연성체를 압축시켜 연성체의 강성이 비선형적으로 증가하는 특성을 이용한다. 또한, tendon을 당겨 강성을 높여 대상을 잡는 방식으로 강성체로 구성된 그리퍼보다 제어가 간편한 것이 장점이다. 본 논문의 가변강성 소프트 그리퍼에 사용되는 가변강성체는 3D Printer로 제작한 PLA 재질의 강성체와 실리콘인 Smooth-On 社의 EcoFlex 0030으로 연성체를 제작하였다. 또한, Span grip, Pinch grip 등의 그리핑방식으로 다양한 형태의 물체를 잡는 것을 목표로 선행연구들을 참고하여 3개의 손가락을 가지는 가변강성 소프트 그리퍼의 연구를 진행하였다. 이 가변강성 소프트 그리퍼는 안쪽에 있는 tendon과 바깥에 있는 tendon을 이용하여 outside grip과 inside grip이 가능하며 안정적인 그리핑을 위하여 tendon을 주로 잡는 방향인 그리퍼의 안쪽에 2개 바깥에 1개를 배치하여 그리퍼의 손가락이 좌우로 휘는 현상을 막아 안정성을 높였다. 또한, PLA 재질의 강성체로 제작된 그리퍼로 물체를 잡을 시 물체가 미끄러져 떨어지는 현상이 발생하였다. 이를 해결하고자 그리퍼 끝 마디에 실리콘 외피를 추가함으로써 마찰력을 증가시켜 그리핑 안정성을 높였다. 물체가 미끄러지는 현상을 수치상으로 확인하기 위하여 그리퍼의 끝부분에 센서를 적용하였다. 굴곡에도 적용할 수 있으며 그리퍼의 안쪽뿐만 아니라 outside grip이 가능한 바깥 부분을 포함한 다면적을 가지는 센서를 직접 제작하여 적용하였다. 이를 위해 기존 소프트 센서 논문들을 참고하여 실리콘과 상온에서 액체금속의 상태이며 전류가 흐르는 특성을 가지는 갈륨?인듐 합금의 액체금속인 EGaIn(gallium indium eutectic)으로 제작한 EGaIn 센서를 제작하기 위한 연구를 진행하였다. 이 센서는 실리콘 재질의 몸체 안쪽에 패스(path)를 설계하고 패스에 EGaIn을 주입하여 제작한다. 기존의 EGaIn 센서는 인장과 압축을 감지할 수 있었으나 인장에 주로 많이 사용되었고 얇고 정밀한 패스로 구성되어 이를 제작하기에 어려움이 있었다. 따라서, 그리핑 시 잡는 물체가 그리퍼의 손가락에 접촉해 눌려 실리콘이 압축되는 것을 감지하는 용도에 적합하도록 EGaIn 센서의 패스 형태를 바꿔 설계·제작하였다. 먼저 소지하고 있는 장비를 고려해 센서 패스의 폭과 높이를 증가시켜 제작하였다. 패스가 넓어짐에 따라 센서의 반응성이 낮아지게 되는 문제점을 고려해 패스에 평행사변형을 회전시킨 형태인 원뿔대의 돌기를 추가하여 압축 때에 발생하는 패스의 면적변화를 늘려 반응성을 높이도록 하였다. 이 EGaIn 센서를 그리퍼 끝에 적용해 마찰력 증가와 그리핑 상태 인식, 물체의 무게 측정 등 3가지를 동시에 가능하게 하여 성능을 높였으며 이를 검증하였다. 앞선 검증을 통하여 그리핑한 물체의 상태와 무게를 데이터로 확인할 수 있어 그리핑한 물체의 상태에 따라 그리핑을 조절하는 자율형 그리퍼에 대한 가능성을 보였다. 지속적으로 성능과 기능을 발전시킨다면 머신러닝을 적용한 완전 자율형 소프트 그리퍼를 제작할 수 있을 것이다.

Various soft robots that apply variable stiffness technology, one of the main technologies in soft robotics, have been studied. Research for catching various objects is ongoing with soft grippers using variable stiffness mechanism, and commercialization is also underway. Unlike conventional gripper robots composed of rigid bodies, soft grippers change the shape of the gripper according to the shape of the object. Therefore, it prevents the deformation of soft objects such as vegetables and is less likely to harm workers. Thus, a variable stiffness soft gripper was studied using a tendon driven method. And a soft sensor for object recognition to soft gripper is applied. In this paper, the variable stiffness body applied to the soft gripper is manufactured by cross-connecting the flexible body and the rigid body to the rigid body fixed with a tendon. In the variable stiffness body, when the tendon fixed at the end of the variable stiffness body is pulled, the rigid body compresses the soft body. Variable stiffness bodies take advantage of the property that stiffness increases non-linearly when the soft body is compressed. In addition, it is easier to control than a gripper composed of a rigid body by pulling the tendon to increase the stiffness and at the same time gripping the object. The rigid bodies used in the variable stiffness soft grippers in this document are manufactured from PLA material using a 3D printer. The soft bodies were manufactured with EcoFlex 0030, a silicone from Smooth-On. In addition, to grasp the various types of objects dependng on gripping types such as Span grip and Pinch grip, a study on a variable stiffness soft gripper with three fingers was conducted with reference to previous studies. This variable stiffness soft gripper enables external grips and inner grips using inner and outer tendons. For a stable grip, two tendons on the inside and one on the outside is located so that the fingers of the grip do not swing from side to side. This increases stability by preventing the gripper fingers from bending side to side. In addition, the rigid body with PLA material had a phenomenon of slipping or falling when gripping an object. To solve this problem, silicon integument is added to the rigid body gripper part, which increases friction and increases grip stability. In order to check the gripping condition, a sensor was applied to the end of the gripper. A sensor that can be applied to the curve and applied to the inside of the grip, as well as the outside of the grip, was manufactured and applied. For this, the many previous soft sensor research was referenced. The research was conducted to fabricate an EGaIn sensor made of EGaIn (gallium indium eutectic), which is a liquid metal of gallium-indium alloy that is in the state of liquid metal at room temperature and has an electric current flow. This EGaIn sensor was manufactured by injecting EGaIn into a path designed inside a silicon material. Conventioal EGaIn sensors were able to detect tensile force and compression, but they were mainly used for tensile force. They also needed a thin and elaborate path. When gripping, silicon is compressed by the weight of the object it catches. It was decided to change the path shape of the EGaIn sensor to be suitable for the purpose of detecting this compression. It was manufactured by increasing the width and height of the sensor path in consideration of the equipment in possession. As the path widens, the sensor''s responsiveness decreases. Accordingly, by adding a protrusion of a truncated cone to the path, the change in the area of the path that occurs during compression is increased to increase the reactivity. It applied the EGaIn sensor to the end of the gripper. This allowed for increased friction, recognition of grip conditions, and measurement of the weight of an object simultaneously. Through this, we verify that the performance has improved. Previous verification showed the potential for autonomous grippers that control the grip according to the state of the gripping object. If performance and functionality continue to develop, it could be applied to fully autonomous soft grippers with machine learning.