基于单次抓取利用相机式触觉传感器学习物体一致性——以杨氏模量为例
机器人学
2025-08-01 v4
摘要
一致性是人类在操作任务中常用的触觉信息参数化方式，可用于 Inform 低层次接触丰富的动作或对对象进行高层次特征描述。在机器人操作中，现有的估计方法在对象形状和材料之间难以普遍化。利用相机式触觉传感器、关节位置感知和力量测量，我们提出了一种从并列抓取估计物体一致性（杨氏模量 E）的新方法。我们在 285 个常见物体上进行评估，包括形状和材料广泛样本，杨氏模量范围从 5.0 kPa 到 250 GPa。结合分析方法和数据驱动方法，我们开发了使用多塔神经网络分析抓取序列触觉图像的混合系统。该系统在数据集上的 74.2% 准确率下，能够在一个数量级内估计未见物体的杨氏模量。该方法在纯分析和数据驱动基线分别表现为 28.9% 和 65.0% 的准确率。重要的是，该估计系统不受对象几何形状影响，并在不同材料类型上表现出 increased 鲁棒性。代码已在 GitHub 上提供，收集的数据可在 HuggingFace 上获取。
引用
@article{arxiv.2406.15304,
title = {Learning Object Compliance via Young's Modulus from Single Grasps using Camera-Based Tactile Sensors},
author = {Michael Burgess and Jialiang Zhao and Laurence Willemet},
journal= {arXiv preprint arXiv:2406.15304},
year = {2025}
}