用于位姿估计主动触觉动作选择的各种信息增益准则的实证评估
机器人学
2022-05-11 v1
摘要
利用视觉与触觉等多模态感知进行准确物体位姿估计已在自主机器人操纵器相关文献中得到应用。由于视觉与触觉数据密度存在差异，我们此前提出了一种基于概率贝叶斯滤波、称为平移不变四元数滤波（TIQF）的位姿估计新方法。因触觉数据收集耗时，主动触觉数据收集通过推理多个潜在动作以最大化期望信息增益而更受青睐。本文中，我们实证评估了用于物体位姿估计上下文中动作选择的多种信息增益准则。我们展示了所提 TIQF 位姿估计方法在各种信息增益准则下的适应性与有效性。我们发现所有被选准则在稀疏测量下的位姿精度表现相近。
引用
@article{arxiv.2205.04697,
title = {An Empirical Evaluation of Various Information Gain Criteria for Active Tactile Action Selection for Pose Estimation},
author = {Prajval Kumar Murali and Ravinder Dahiya and Mohsen Kaboli},
journal= {arXiv preprint arXiv:2205.04697},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2109.13540