自编码柔性触觉以实现从陆地到水下的抓取学习
机器人学
2023-08-17 v1 机器学习
摘要
在探索海洋时,机器人作为人类操作者的物理代理发挥着关键作用。然而,在高压、微光的水下环境中完全浸没时,由于手指与物体表面间触觉力学受到流体干扰,可靠抓取物体仍然具有挑战性。本研究通过一种基于视觉的软体机器人手指,利用监督变分自编码器(SVAE)学习 6D 力与力矩(FT),探究了从陆地到水下的抓取知识可迁移性。高速相机捕捉软体机器人手指在陆地和水下与物理物体交互时的全身变形。结果表明,训练后的 SVAE 模型学习到一系列可从陆地迁移至水中的软力学潜在表示,相较于商用 FT 传感器展现出对变化环境的优越适应性。由触觉智能赋能的柔软、精细且具反应性的抓取,以大幅降低的成本增强了夹爪的水下交互可靠性与鲁棒性,为支持环境与海洋研究中的基础科学发现的学习型智能抓取铺平了道路。
引用
@article{arxiv.2308.08510,
title = {Autoencoding a Soft Touch to Learn Grasping from On-land to Underwater},
author = {Ning Guo and Xudong Han and Xiaobo Liu and Shuqiao Zhong and Zhiyuan Zhou and Jian Lin and Jiansheng Dai and Fang Wan and Chaoyang Song},
journal= {arXiv preprint arXiv:2308.08510},
year = {2023}
}
备注
17 pages, 5 figures, 1 table, submitted to Advanced Intelligent Systems for review