利用触觉感知估计容器内固体颗粒的属性

固体颗粒，如大米和咖啡豆，通常储存在容器中，并在日常生活中无处不在。理解这些颗粒的属性有助于我们做出后续决策或执行后续操作任务，例如倾倒。人类通常通过与环境中的容器交互来理解其中的颗粒，但机器人实现这一点仍具挑战。本工作利用触觉感知来估计容器内封闭固体颗粒的多种属性，具体而言为内容物质量、内容物体积、颗粒尺寸与颗粒形状。我们设计了一系列机器人动作以与容器交互。基于物理理解，我们从 F/T 传感器提取静力/力矩值，并从新设计的高速 GelSight 触觉传感器提取振动相关特征与倾倒相关特征，以估计这四项颗粒属性。我们在 $37$ 种差异很大的日常颗粒上测试了我们的方法，包括粉末、大米、豆类、药片等。实验表明，我们的方法能够以 $1.8$ g 的误差估计内容物质量，以 $6.1$ ml 的误差估计内容物体积，以 $1.1$ mm 的误差估计颗粒尺寸，并在颗粒形状估计上达到 $75.6$% 的准确率。此外，我们的方法可泛化至具有未知体积的未见过颗粒。通过估计这些颗粒属性，我们的方法能帮助机器人更好地感知颗粒介质，并助力日常生活与工业中的不同操作任务。