通过接触力场及其熵的触觉估计学习检测滑移
机器人学
2024-04-30 v4 机器学习
摘要
在物体抓取与操控中检测滑移起着至关重要的作用。现有方案主要依赖视觉信息来制定抓取策略。然而，要使机器人系统达到与人类相当的水平，尤其是在持续处理与操控陌生物体时，集成人工触觉感知正变得愈发必要。我们提出了一种新颖的基于物理信息的数据驱动方法，用于实时连续检测滑移。我们采用附着在定制夹爪上的光学触觉传感器 GelSight Mini 来收集触觉数据。我们的工作利用滑移事件期间触觉传感器读数的非均匀性来提取区分性特征，并将滑移检测表述为一个分类问题。为评估我们的方法，我们在不同载荷条件、纹理和材料下对 10 种常见物体测试了多种数据驱动模型。结果表明，最佳分类算法取得了 95.61% 的高平均准确率。我们进一步展示了我们的研究在动态机器人操控任务中的实际应用，其中实现了我们的实时滑移检测与预防算法。
引用
@article{arxiv.2303.00935,
title = {Learning to Detect Slip through Tactile Estimation of the Contact Force Field and its Entropy},
author = {Xiaohai Hu and Aparajit Venkatesh and Yusen Wan and Guiliang Zheng and Neel Jawale and Navneet Kaur and Xu Chen and Paul Birkmeyer},
journal= {arXiv preprint arXiv:2303.00935},
year = {2024}
}
备注
8 pages, 7 figures, submitted