基于神经形态触觉传感器的纹理识别探索性运动策略
机器人学
2025-09-19 v1
摘要
我们提出了一种受人类探索策略启发的神经形态触觉感知框架，用于机器人纹理分类。我们的系统利用 NeuroTac 传感器在一系列探索性运动中捕获神经形态触觉数据。我们首先在固定环境下测试了六种不同的纹理分类运动：滑动、旋转、敲击，以及组合运动：滑动+旋转、敲击+旋转和敲击+滑动。基于最终准确率和达到收敛精度所需的采样时长，我们选择了滑动和滑动+旋转作为最佳运动。在第二项旨在模拟复杂真实世界条件的实验中，这两种运动在 varying 接触深度和速度下进一步接受了评估。在这些条件下，我们的框架以滑动+旋转达到了 87.33% 的最高准确率，同时保持了仅 8.04 mW 的极低功耗。这些结果表明，滑动+旋转运动是神经形态触觉感知在纹理分类任务中部署的最优探索性策略，对于增强机器人环境交互具有显著前景。
引用
@article{arxiv.2509.14954,
title = {Exploratory Movement Strategies for Texture Discrimination with a Neuromorphic Tactile Sensor},
author = {Xingchen Xu and Ao Li and Benjamin Ward-Cherrier},
journal= {arXiv preprint arXiv:2509.14954},
year = {2025}
}
备注
Accepted at IEEE/RSJ International Conference on Intelligent Robots and Systems 2025. Please cite the proceedings version