基于皮尼亚纹理的神经形态前Slip检测系统
机器人学
2025-09-12 v1
摘要
检测前期滑移可实现早期干预, 以防止物体滑落并增强机器人操作的安全性。然而, 在边缘平台上部署此类系统仍具有挑战, 尤其是能源受限方面。本工作提出了一种基于 NeuroTac 传感器的神经形态触觉感知系统, 其采用外凸皮尼亚纹理的皮肤和用于滑移状态分类的脉冲卷积神经网络 (SCNN)。SCNN 模型在由传感器运动引起的滑移条件下, 在三个类别(无滑移、前期滑移和大范围滑移)上的分类准确率达到 94.33%。在动态重力引起的滑移验证条件下, 在对 SCNN 最终层脉冲计数进行时间平滑后, 该系统在所有试验中均能在发生大范围滑移至少 360 毫秒前检测到前期滑移, 可靠地在滑移发生前识别前期滑移。这些结果表明, 该神经形态系统具有稳定且响应迅速的前期滑移检测能力。
引用
@article{arxiv.2509.09546,
title = {A Neuromorphic Incipient Slip Detection System using Papillae Morphology},
author = {Yanhui Lu and Zeyu Deng and Stephen J. Redmond and Efi Psomopoulou and Benjamin Ward-Cherrier},
journal= {arXiv preprint arXiv:2509.09546},
year = {2025}
}
备注
7 pages, 12 figures. Submitted to IEEE Robotics and Automation Letters (RAL), under review