从像素到感知：基于深度学习与光学仿生触觉传感器的高鲁棒边缘感知与轮廓跟踪
机器人学
2020-12-07 v2
摘要
深度学习有潜力对机器人触觉产生如同其对机器人视觉般的影响。光学触觉传感器通过允许将视觉技术应用于触觉，在二者之间架起桥梁。在本文中，我们将深度学习应用于一种光学仿生触觉传感器 TacTip，其传感表面内成像一组类似于人体皮肤内结构的乳头状突起（pins）。我们的主要结果是，深度 CNN 的应用可给出可靠的边缘感知，从而给出围绕物体轮廓移动时规划接触点的鲁棒策略。鲁棒性通过对若干不规则和柔顺物体以轻敲和连续滑动方式得到演示，所用模型仅通过在圆盘上轻敲训练。这些结果依赖于使用鼓励泛化到模型所受训练之外任务的技术。我们期望这是触觉传感实际应用中的共性问题，深度学习将予以解决。展示该方法的视频可在 https://www.youtube.com/watch?v=QHrGsG9AHts 找到。
引用
@article{arxiv.1812.02941,
title = {From pixels to percepts: Highly robust edge perception and contour following using deep learning and an optical biomimetic tactile sensor},
author = {Nathan F. Lepora and Alex Church and Conrad De Kerckhove and Raia Hadsell and John Lloyd},
journal= {arXiv preprint arXiv:1812.02941},
year = {2020}
}
备注
Accepted in RAL and ICRA 2019. N. Lepora and J. Lloyd contributed equally to this work