面向基于视觉的触觉传感器硬度分类的主动抽样研究
机器人学
2025-05-20 v1 机器学习
摘要
通过触觉感知人类和机器人所感知的最重要的对象属性之一是硬度。本文研究了用于样本高效硬度分类的信息论主动抽样策略。我们在机器人设置和先前发布的由人类测试者收集的样本数据集上评估了三个概率分类器模型和两种基于模型不确定性的抽样策略。我们的发现表明，受不确定性指标驱动的主动抽样方法在准确性和稳定性方面均优于随机抽样基线。此外，尽管在人类研究中，参与者的平均准确率为 48.00%，但我们最佳方法在同一组对象上的平均准确率达到 88.78%，这表明了基于视觉的触觉传感器用于对象硬度分类的有效性。
引用
@article{arxiv.2505.13231,
title = {Investigating Active Sampling for Hardness Classification with Vision-Based Tactile Sensors},
author = {Junyi Chen and Alap Kshirsagar and Frederik Heller and Mario Gómez Andreu and Boris Belousov and Tim Schneider and Lisa P. Y. Lin and Katja Doerschner and Knut Drewing and Jan Peters},
journal= {arXiv preprint arXiv:2505.13231},
year = {2025}
}
备注
7 pages