利用触觉感知的灵手重力枢转
机器人学
2022-10-12 v1
摘要
我们研究重力枢转，这是灵手操作的一个受约束版本，旨在控制物体绕平行夹爪夹持点的旋转。为实现这一点，我们不控制夹爪以避免滑动，而是利用滑动让物体在手中旋转。我们收集了两个真实世界数据集，一个静态跟踪数据集和一个控制器在环数据集，两者均标注了物体角度和角速度标签。两个数据集均包含十种不同家庭物体的力基触觉信息。我们训练了一个 LSTM 模型，仅从触觉数据预测所持物体的角位置和速度。我们将该模型与一个控制开合夹爪的控制器集成，使物体能够旋转到期望的相对角度。我们进行了真实世界实验，其中机器人的任务是达到相对目标角度。我们表明，在具有未见物体的零样本泛化设置中，我们的方法优于基于滑动窗口的 MLP。此外，我们表明，当 LSTM 模型在使用 LSTM 模型和控制器在环收集的小量数据上进行微调时，性能提升了 16.6%。代码和视频可在 https://rhys-newbury.github.io/projects/pivoting/ 获取。
引用
@article{arxiv.2210.05068,
title = {In-Hand Gravitational Pivoting Using Tactile Sensing},
author = {Jason Toskov and Rhys Newbury and Mustafa Mukadam and Dana Kulić and Akansel Cosgun},
journal= {arXiv preprint arXiv:2210.05068},
year = {2022}
}
备注
Accepted as poster presentation to Conference on Robot Learning (CoRL) 2022