基于电阻抗断层扫描的数据高效触觉感知
机器人学
2025-03-19 v2
摘要
受 Electrical Impedance Tomography (EIT) 启发的触觉传感器因其成本效益、安全性以及稀疏电极配置的可扩展性，在机器人触觉感知中正受到越来越多的关注。本文提出了一种用于基于学习的触觉重建的数据增强策略，该策略将原始单帧信号测量放大为 32 个不同的有效信号数据用于训练。这种方法补充了未收集的位置信息条件，从而实现了更准确、更高分辨率的触觉重建。EIT 的数据增强显著减少了所需的 EIT 测量次数，并在样本有限的情况下取得了有前景的性能。仿真结果表明，所提出的方法在各种噪声水平下将相关系数提高了 12% 以上，并将相对误差降低了 21% 以上。此外，我们证明，利用所提出数据增强的标准深度神经网络 (DNN) 在实现相似触觉重建质量的同时，将所需数据减少至 1/31。真实世界测试进一步验证了该方法在基于 EIT 的柔性触觉传感器上的有效性。这些结果有助于解决在可用测量有限的情况下训练触觉感知网络的挑战，提高基于 EIT 的触觉感知系统的准确性和适用性。
引用
@article{arxiv.2411.12658,
title = {Data-efficient Tactile Sensing with Electrical Impedance Tomography},
author = {Huazhi Dong and Ronald B. Liu and Leo Micklem and Peisan Sharel E and Francesco Giorgio-Serchi and Yunjie Yang},
journal= {arXiv preprint arXiv:2411.12658},
year = {2025}
}