用于光学触觉传感器力标定的深度域适应回归
机器人学
2024-07-22 v1
摘要
光学触觉传感器为机器人在非结构化环境中的抓取提供了丰富的力信息。对于新传感器以及可能已损坏或老化的现有触觉传感器而言，快速、准确地标定三维接触力具有重要意义。然而，传统的基于神经网络的力标定方法需要大量带有力标签的触觉图像以最小化力预测误差，这需要精确的力/扭矩测量工具以及耗时的数据采集过程。为应对这一挑战，我们提出了一种新颖的深度域适应力标定方法，旨在将力预测能力从已标定的光学触觉传感器迁移到未标定的传感器上，这些传感器之间存在各种域差异组合，包括标记存在与否、光照条件和弹性体模量。实验结果表明了所提出的无监督力标定方法的有效性，法向力的最低力预测误差为0.102N（满量程的3.4%），沿x轴和y轴的剪切力最低预测误差分别为0.095N（6.3%）和0.062N（4.1%）。本研究为光学触觉传感器提供了一种有前景的通用力标定方法。
引用
@article{arxiv.2407.14380,
title = {Deep Domain Adaptation Regression for Force Calibration of Optical Tactile Sensors},
author = {Zhuo Chen and Ni Ou and Jiaqi Jiang and Shan Luo},
journal= {arXiv preprint arXiv:2407.14380},
year = {2024}
}
备注
2024 IEEE/RSJ International Conference on Intelligent Robots and Systems