基于持续学习的软传感器化手指自适应漂移补偿
人机交互
2025-03-24 v1 机器人学
信号处理
摘要
应变传感器因其柔性和易于集成而在软机器人领域越来越受欢迎，用于获取触觉数据。触觉感知在软夹具中发挥着关键作用，使其能够与无结构环境安全交互并精确检测物体特性。然而，这些系统面临的一个重大挑战是其高非线性、时变行为和长期信号漂移。在本文中，我们提出了一种持续学习（CL）方法，用于建模配备基于压电的应变传感器的软手指，以进行本体感知。为应对上述挑战，我们提出了一种自适应 CL 算法，将长短期记忆（LSTM）网络与用于重放的记忆缓冲区相结合，并包含一个正则化项，使模型的决策边界在适应时变漂移的同时保持在基础信号附近。我们进行了九次不同的实验，每次重置整个设置以展示信号漂移。我们还将我们的算法与另外两种方法进行了基准比较，并进行了消融研究以评估不同组件对整体性能的影响。
引用
@article{arxiv.2503.16540,
title = {Adaptive Drift Compensation for Soft Sensorized Finger Using Continual Learning},
author = {Nilay Kushawaha and Radan Pathan and Niccolò Pagliarani and Matteo Cianchetti and Egidio Falotico},
journal= {arXiv preprint arXiv:2503.16540},
year = {2025}
}