基于 STFT 与 LSTM 的时序数据抓取稳定性预测
机器人学
2021-06-03 v1
摘要
随着对机器人需求的增长，机器人抓取将在未来应用中扮演更重要的角色。本文以抓取稳定性预测作为抓取的关键技术，并尝试利用包括力与压力数据在内的时序数据输入来解决该问题。将算法广泛应用于更多领域以利用时序数据预测不稳定抓取，可显著促进人工智能在传统工业中的应用。本研究探讨了结合短时傅里叶变换（STFT）与长短期记忆（LSTM）的模型，并利用灵巧手和吸盘夹持器测试了泛化能力。实验表明，利用力数据进行抓取稳定性预测效果良好，在压力数据上取得了泛化结果。在 4 个模型中，（数据 + STFT）& LSTM 表现最佳。我们计划开展更多抓取稳定性预测方面的工作，将发现推广至不同类型的传感器，并将抓取稳定性预测应用于现实生活中的更多抓取场景。
引用
@article{arxiv.2106.01272,
title = {Grasp stability prediction with time series data based on STFT and LSTM},
author = {Tao Wang and Frank Kirchner},
journal= {arXiv preprint arXiv:2106.01272},
year = {2021}
}