通过跨模态自监督学习丰富的触觉表征
机器人学
2021-01-22 v1
摘要
触觉在若干操作任务中至关重要，但在机器人操作中很少被使用。本工作中，我们解决通过跨模态自监督学习丰富触觉特征的问题。我们在少样本分类设定下通过识别物体及其属性来评估这些特征。我们利用装备了触觉传感器的仿真拟人机器手，在合成物体与日常物体上引入了两个新数据集。我们在这些数据集上对若干自监督学习方法进行基准测试，通过对未见过的物体与位姿进行少样本分类来评估。实验表明，跨模态自监督能有效改进触觉表征，进而极有潜力增强机器人操作能力。
引用
@article{arxiv.2101.08616,
title = {Learning rich touch representations through cross-modal self-supervision},
author = {Martina Zambelli and Yusuf Aytar and Francesco Visin and Yuxiang Zhou and Raia Hadsell},
journal= {arXiv preprint arXiv:2101.08616},
year = {2021}
}