基于 LSTM 的触觉与运动觉信息物体识别的贝叶斯与神经推断
机器人学
2023-06-13 v1 人工智能
摘要
智能机器人操作领域近期进展致力于为机械手提供触觉敏感性。触觉感知涵盖触觉感官中所遇到的感知模态（如触觉与运动觉）。本通讯聚焦于多模态物体识别，并提出融合基于触觉与运动觉的分类结果的分析与数据驱动方法。流程如下：一个带集成高分辨率触觉传感器的三指驱动夹爪执行挤压-释放探索过程（EPs）。利用指关节上的角度传感器获取的触觉图像与运动觉信息构成所关注的时间序列数据集。每个时序数据集被送入长短期记忆（LSTM）神经网络，该网络经训练用于对手中物体进行分类。LSTM 给出给定相应测量下各物体的后验概率估计，融合后可通过贝叶斯与神经推断方法估计物体。我们开展了一个 36 类的实验，以评估并比较融合、触觉与运动觉感知系统的性能。结果表明，基于贝叶斯分类器提升了物体识别能力，并优于基于神经的方法。
引用
@article{arxiv.2306.06423,
title = {Bayesian and Neural Inference on LSTM-based Object Recognition from Tactile and Kinesthetic Information},
author = {Francisco Pastor and Jorge García-González and Juan M. Gandarias and Daniel Medina and Pau Closas and Alfonso J. García-Cerezo and Jesús M. Gómez-de-Gabriel},
journal= {arXiv preprint arXiv:2306.06423},
year = {2023}
}