获得触觉：基于软体夹爪与神经网络的物理参数估计
机器人学
2020-03-04 v2 机器学习
摘要
软体夹爪在弹性物体操控中正受到显著关注，此类任务需处理易受形变影响的柔软且非结构化物体。一个关键问题是在挤压物体时估计其物理参数以调整操控流程，这被视为一项重大挑战。据作者所知，利用深度学习算法基于机器人夹爪与物体直接交互的测量数据进行物理参数估计的研究尚不充分。在我们的工作中，我们提出了一个用于刚度系数回归的可训练系统，并利用物理仿真器环境进行了大量实验。此外，我们准备了可在真实场景运行的应用。我们的系统能够基于附着于 Yale OpenHand 软体夹爪手指的惯性测量单元（IMUs）读数，可靠估计物体的刚度。另外，在实验期间，我们准备了三份挤压物体时采集的信号数据集——两份在仿真环境中创建，一份由真实数据组成。
引用
@article{arxiv.2003.00784,
title = {Gaining a Sense of Touch. Physical Parameters Estimation using a Soft Gripper and Neural Networks},
author = {Michał Bednarek and Piotr Kicki and Jakub Bednarek and Krzysztof Walas},
journal= {arXiv preprint arXiv:2003.00784},
year = {2020}
}
备注
Submitted to IEEE IROS 2020