一种用于抓取稳定性推断的 fingertip 滑移与扰动无模型检测方法

机器人在物体操控上的能力无法与人类相比。除多年学习外，人类严重依赖来自与环境物理交互的丰富信息。特别地，触觉感知在提供此类丰富反馈中至关重要。尽管其对机器人操控有潜在贡献，触觉感知较少被利用；主要由于触觉传感器所提供时间序列的复杂性。本工作中，我们提出一种利用触觉感知评估抓取稳定性的方法。更具体地，我们提出一种提取任务相关特征并设计高效分类器以检测各指尖处物体滑移的方法论。我们比较了两种分类模型：支持向量机（support vector machine）与逻辑回归（logistic regression）。我们使用安装在 Allegro 手上的高灵敏 Uskin 触觉传感器来测试并验证我们的方法。我们的结果表明所提方法在在线滑移检测中是有效的。