使用DenseTact光学触觉传感器进行薄材料的动态层数检测

薄材料的操作对于许多日常任务至关重要，并且仍然是机器人面临的一项重大挑战。虽然现有研究在材料平滑和折叠等任务上取得了进展，但许多研究难以应对常见的故障模式（褶皱的角/边缘、错误的抓取配置），而层数检测的初步步骤可以解决这些问题。我们提出了一种新颖的方法，使用配备DenseTact 2.0光学触觉传感器的定制夹爪来分类抓取的材料层数。抓取后，夹爪执行一种拟人化的摩擦运动，同时收集光流、六轴力矩和关节状态数据。在基于Transformer的网络中使用这些数据，在分类抓取的布料层数时达到了98.21%的测试准确率，在分类抓取的纸张层数时达到了81.25%的准确率，展示了我们动态摩擦方法的有效性。评估不同的输入和模型架构，突显了触觉传感器信息和Transformer模型在此任务中的有用性。我们收集了一个包含568个标记试验（368个布料试验和200个纸张试验）的综合数据集，并随本文开源。我们的项目页面可在https://armlabstanford.github.io/dynamic-cloth-detection获取。