用于触觉物体分类的压缩学习
机器人学
2016-09-27 v1
摘要
大型触觉阵列提升机器人在人类主导环境中安全操作的感知能力，以及高分辨率触觉阵列实现人类水平的灵巧操作，其潜力已得到广泛认可。然而，触觉传感单元数量的增加带来了布线复杂度、功耗和数据处理等挑战。为帮助应对这些挑战，我们此前开发了一种基于压缩感知的触觉传感技术，该技术降低了硬件复杂度和数据传输量，同时允许对全分辨率信号进行精确重建。本文将触觉压缩感知应用于物体分类问题。具体而言，我们在压缩的触觉数据上执行物体分类。我们使用触觉阵列模拟器 BubbleTouch 对该方法进行了评估。结果表明，即使在压缩因子高达 64 的情况下，该方法仍能实现较高的分类准确率。
引用
@article{arxiv.1609.07542,
title = {Compressed Learning for Tactile Object Classification},
author = {Brayden Hollis and Stacy Patterson and Jeff Trinkle},
journal= {arXiv preprint arXiv:1609.07542},
year = {2016}
}