軟體連續體機器人因其靈活性和適應性而在醫療、探索等領域受到廣泛關注。然而，要實現精確的本體感覺（感知自身形狀）和接觸檢測（感知外部接觸），需要將感測器整合到高度可變形的結構中，這極具挑戰性。傳統的感測方法往往需要複雜的佈線或外部裝置，限制了機器人的自主性。近期，來自義大利和英國的研究團隊提出了一種創新的基於模型的解耦策略，利用嵌入在軟體拱形段中的流體壓力感測器，從共同訊號中分離出本體感覺和接觸資訊，為軟體機器人的感知技術開闢了新途徑。
該研究中的每個拱形段被稱為“神經支配修剪螺旋體”（Innervated Trimmed Helicoid, ITH），其內部包含六個沿圓周呈鋸齒形分佈的氣道。儘管每個ITH段只有三個主要運動自由度（軸向壓縮、X方向彎曲、Y方向彎曲），但六個壓力讀數構成了一個過定系統。透過分段常曲率模型將壓力對映到形狀，並利用Huber迴歸識別殘差異常的氣道（這些殘差指示外部接觸），研究人員成功實現了形狀估計和接觸檢測的解耦。
在針對單個ITH段的實驗中，該方法展現出卓越的效能：本體感覺形狀估計的相對彎曲誤差僅為0.11±0.02，而在178次試驗中接觸檢測率高達97%。這些結果證明了該策略的有效性和魯棒性。進一步地，研究團隊將八個ITH段整合到名為Air-Helix的肌腱驅動軟體連續體機械臂中，並進行了全臂演示。演示內容包括觸覺示教（透過人類示範傳授動作）、導納控制力調節（在接觸時調整力反饋）以及觸覺物體重建（透過接觸感知重建物體形狀）。
該研究的核心貢獻在於，區域性流體神經支配（即每個段內嵌入的壓力感測器）與基於模型的冗餘解析相結合，為拱形軟體機器人同時實現本體感覺和接觸感測提供了一種實用的路徑。這種方法避免了外部感測器或複雜佈線的需求，有望推動軟體機器人在人機互動、醫療手術和未知環境探索等領域的實際應用。該論文已被2026年IEEE/RSJ智慧機器人與系統國際會議（IROS）接收。
總之，這項研究不僅解決了軟體機器人感測領域的一個關鍵挑戰，而且為未來的研究提供了新的方向。透過模型驅動的方式，將本體感覺與接觸檢測分離，軟體機械臂可以更安全、更智慧地與環境互動，為下一代軟體機器人的發展奠定了基礎。感興趣的讀者可以查閱arXiv:2607.15582獲取更多技術細節。