基于级联 LSTM 的磁悬浮触觉交互视觉-惯性导航
人机交互
2019-01-29 v1
摘要
在虚拟或增强现实交互中，触觉反馈对于获得沉浸式体验至关重要。尽管现有前景广阔的磁悬浮（maglev）触觉系统具有无机械摩擦的优势，其性能受限于导航方法，主要源于难以同时以轻量化设计实现高精度、高帧率和良好稳定性。本研究提出基于序列到序列学习为磁悬浮触觉交互执行视觉-惯性融合导航。首次提出基于级联 LSTM 的增量学习方法，逐步学习目标变量的增量。随后，分别训练两个级联 LSTM 网络，以松耦合模式完成视觉-惯性融合导航。此外，我们搭建了磁悬浮触觉平台作为系统测试床。实验结果表明，所提基于级联 LSTM 的增量学习方法可实现高精度预测，且我们的基于级联 LSTM 的视觉-惯性融合导航方法在保持高精度（位置与姿态的平均绝对误差分别小于 1mm 和 0.02°）的同时可达 200Hz，用于磁悬浮触觉交互应用。
引用
@article{arxiv.1901.09224,
title = {Cascade LSTM Based Visual-Inertial Navigation for Magnetic Levitation Haptic Interaction},
author = {Qianqian Tong and Xiaosa Li and Kai Lin and Zhiyong Yuan},
journal= {arXiv preprint arXiv:1901.09224},
year = {2019}
}