在仿真中学习触觉：一种面向基于视觉的触觉感知的仿真到现实策略
机器人学
2020-03-06 v1 计算机视觉与模式识别
摘要
触觉感知的数据驱动方法旨在克服精确建模与软材料接触的复杂性。然而，其在各类任务中应用时的数据效率与泛化能力问题阻碍了该方法的广泛采用。本文针对一种基于视觉的触觉传感器，关注上述两方面问题；该传感器旨在重建作用其软表面上的三维接触力分布。我们利用各自领域内最先进的技术推导出软材料与相机投影的精确模型，并在仿真中生成数据集。提出一种策略，完全基于仿真数据训练一个定制化的深度神经网络。所得学习架构可直接迁移至多个触觉传感器而无需进一步训练，并在真实数据上给出准确预测，同时对未见过的接触条件展现出良好的泛化能力。
引用
@article{arxiv.2003.02640,
title = {Learning the sense of touch in simulation: a sim-to-real strategy for vision-based tactile sensing},
author = {Carmelo Sferrazza and Thomas Bi and Raffaello D'Andrea},
journal= {arXiv preprint arXiv:2003.02640},
year = {2020}
}
备注
This work has been submitted to the 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) for possible publication. Accompanying video: https://youtu.be/dDTga9PgWS0