Replicating human somatosensory networks in robots is crucial for dexterous manipulation, ensuring the appropriate grasping force for objects of varying softness and textures. Despite advances in artificial haptic sensing for object recognition, accurately quantifying haptic perceptions to discern softness and texture remains challenging. Here, we report a methodology that uses a bimodal haptic sensor to capture multidimensional static and dynamic stimuli, allowing for the simultaneous quantification of softness and texture features. This method demonstrates synergistic measurements of elastic and frictional coefficients, thereby providing a universal strategy for acquiring the adaptive gripping force necessary for scarless, antislippage interaction with delicate objects. Equipped with this sensor, a robotic manipulator identifies porcine mucosal features with 98.44% accuracy and stably grasps visually indistinguishable mature white strawberries, enabling reliable tissue palpation and intelligent picking. The design concept and comprehensive guidelines presented would provide insights into haptic sensor development, promising benefits for robotics.

Haptic technology can help deliver more immersive virtual reality and augmented reality experiences by adding the sense of touch to visual and auditory interfaces. However, challenges persist in the development of haptic feedback devices, such as their rendering capability, technical readiness, and cost considerations. This perspective emphasizes the importance of developing immersive and marketable haptic feedback technologies for the metaverse, highlights the existing obstacles in integrating haptic feedback, and suggests corresponding research directions for overcoming these bottlenecks. These include advancements in relevant material and interface design, the adoption of multi-output technologies, the combination of various driving mechanisms, and the integration of different haptic cues.

Abstract Drawing inspiration from the jumping mechanisms of insects (e.g., click beetles), bistable structures can convert slow deformations of soft actuating material into fast jumping motions (i.e., power amplification). However, bistable jumpers often encounter large energy barriers for energy release/re‐storage, posing a challenge in achieving multimodal (i.e., height/distance) and continuous jumps at the insect scale (body length under 20 mm). Here, a new offset‐buckling bistable design is introduced that features antisymmetric equilibrium states and tunable energy barriers. Leveraging this design, a Boundary Actuation Tunable Energy‐barrier (BATE) jumper (body length down to 15 mm) is developed, and transform BATE jumper from height‐jump mode (up to 12.7 body lengths) to distance‐jump mode (up to 20 body lengths). BATE jumpers can perform agile continuous jumping (within 300 ms for energy release/re‐storage times) and real‐time status detection is further demonstrated. This insect‐level performance of the proposed BATE jumper showcases its potential toward future applications in exploration, search, and rescue.

A complete kinematic error model that contains all potential error sources, is one of the fundamentals to ensure the best result of kinematic calibration. In the case of parallel manipulators, the complete error model includes items of passive joint motions. These motions usually cannot be accurately observed during the identification process but can be derived through kinematic analysis. However, due to kinematic errors, the obtained passive joint motions deviate from their actual values, causing motion errors of passive joints. In other words, the passive joints introduce input errors to the error model, which are of the same order of magnitude as kinematic errors and much larger than other measurement and random noises. This issue can significantly affect the stability and accuracy of parameter identification, but it has not been clearly recognized in the literature. To address this problem, this paper systematically analyzes the influence of passive joints' motion errors on the kinematic calibration of parallel manipulators. It is found that when the complete error model including the passive joints' motion errors is used for kinematic calibration of parallel manipulators, the variance of kinematic error parameters solved by the least squares (LS) method greatly increases, leading to iterative divergence even when the identification matrix is column full rank. To improve the stability and accuracy of parameter identification, this study employs the total least squares (TLS) method, which is a dedicated approach for handling input errors, in the identification process. Numerical simulations and experiments of kinematic calibration are conducted on several parallel manipulators. The results validate the correctness and effectiveness of the analysis of the influence of passive joints' motion errors on the kinematic calibration of parallel manipulators. Furthermore, the results indicate that the TLS method can efficiently and accurately accomplish the identification of kinematic parameters.