基于光谱学的家用材料分类

识别物体的材料可让机器人了解物体的易碎性或恰当用途。为在操作中估计物体材料，许多先前工作探索了触觉感知的使用。本文中，我们探索一种机器人利用光谱学估计物体材料的技术。我们证明光谱仪为材料识别提供了若干益处，包括快速响应时间与低噪声的精确测量。此外，光谱仪不需要与物体直接接触。为此，我们从一个机器人平台与 50 个平面材料物体交互时，使用两台商用光谱仪收集了光谱测量数据集，并展示神经网络模型可准确分析这些测量。由于连续光谱测量间的相似性，当每个物体仅给定一个光谱样本时，我们的模型达到了 94.6% 的材料分类准确率。类似于先前使用触觉传感器的工作，我们发现将材料识别泛化到新物体是更大挑战，对此我们通过留一物体交叉验证达到了 79.1% 的准确率。最后，我们展示 PR2 机器人如何利用光谱仪估计家中日常物体的材料。从本工作我们发现，光谱学为机器人操作中的材料分类提供了一种有前景的方法。