DeepXPalm：使用掌戴式触觉显示器和基于CNN的触觉模式识别进行倾斜与位置渲染
机器人学
2025-10-09 v1 人工智能
摘要
可变形物体的遥操作要求用户具有高精度和灵巧性，这可以通过动觉和触觉反馈来增强。然而，物体形状可能动态变化，导致对其对齐的感知模糊，从而造成机器人定位误差。因此，必须解决倾斜角度和位置分类问题，以向用户呈现清晰的触觉模式。本文展示了一个用于塑料移液管的遥操作系统，该系统由多触点触觉设备LinkGlide（用于向用户手掌传递触觉反馈）和嵌入二指Robotiq夹爪的两个触觉传感器阵列组成。我们提出了一种基于卷积神经网络（CNN）的新方法，用于在抓取可变形物体时检测倾斜和位置。CNN根据识别出的倾斜和位置数据生成掩膜，以在遥操作期间向用户提供进一步的多触点触觉刺激。研究表明，使用CNN算法和预设掩膜，用户对倾斜和位置的识别率从使用直接数据时的9.67%提高到82.5%。
引用
@article{arxiv.2204.03521,
title = {DeepXPalm: Tilt and Position Rendering using Palm-worn Haptic Display and CNN-based Tactile Pattern Recognition},
author = {Altamirano Cabrera Miguel and Sautenkov Oleg and Tirado Jonathan and Fedoseev Aleksey and Kopanev Pavel and Kajimoto Hiroyuki and Tsetserukou Dzmitry},
journal= {arXiv preprint arXiv:2204.03521},
year = {2025}
}
备注
Accepted paper in IEEE Haptic Symposium 2022, IEEE copyright