DogTouch：基于 CNN 的 quadruped 机器人高密度触觉传感器表面纹理识别
机器人学
2022-06-10 v1
摘要
能够在多种地形上运动对于腿式机器人至关重要。然而，机器人必须更好地理解其所行走的表面，才能在不同地形上实现稳健的运动。动物和人类能够借助脚部的触觉感知来识别表面。尽管如此，腿式机器人的足部触觉感知尚未得到充分探索。本文介绍了一款带有触觉传感足（TSF）的新型四足机器人 DogTouch 的研究。TSF 利用触觉传感器与卷积神经网络（CNN）实现不同表面纹理的识别。实验结果表明，我们训练的基于 CNN 的模型验证准确率达到 74.37%，其中对线状图案的识别率最高达 90%。未来，我们计划通过呈现具有不同图案深度的表面样本，并应用先进的深度学习与浅层学习模型来改进预测模型。此外，我们提出了一种四足及腿式机器人导航的新方法。我们可以布置触觉铺装纹理表面（类似于盲人或视障人士使用的表面）。这样，DogTouch 将仅通过识别特定触觉图案（指示直行、左转或右转、人行横道、道路等）即可在未知环境中运动。这将实现不受光照条件影响的稳健导航。未来配备视觉与触觉感知系统的四足机器人将能够在非结构化的室内外环境中安全且智能地导航与交互。
引用
@article{arxiv.2206.04533,
title = {DogTouch: CNN-based Recognition of Surface Textures by Quadruped Robot with High Density Tactile Sensors},
author = {Nipun Dhananjaya Weerakkodi Mudalige and Elena Nazarova and Ildar Babataev and Pavel Kopanev and Aleksey Fedoseev and Miguel Altamirano Cabrera and Dzmitry Tsetserukou},
journal= {arXiv preprint arXiv:2206.04533},
year = {2022}
}
备注
Accepted paper at IEEE Vehicular Technology Conference 2022 (IEEE VTC 2022), IEEE copyright