基于气压触觉传感器与时域卷积神经网络的学习式滑移检测
机器人学
2022-07-15 v2 机器学习
摘要
通过触觉反馈感知物体滑移的能力使人类能够完成包括保持稳定抓握在内的复杂操作任务。尽管触觉信息在许多应用中很有用，触觉传感器尚未在工业机器人环境中广泛部署；部分挑战在于从触觉数据流中识别滑移及其他事件。本文提出一种基于学习的方法，使用气压触觉传感器检测滑移。这些传感器具有诸多理想特性，包括高耐久性与可靠性，且由廉价现成组件构成。我们训练了一个时域卷积神经网络来检测滑移，在展现出对滑移运动速度与方向鲁棒性的同时实现了高检测准确率。此外，我们在涉及多种常见物体的两项操作任务上测试了检测器，并展示了对训练期间未见的真实场景的成功泛化。我们认为，气压触觉传感技术结合数据驱动学习，适用于许多如滑移补偿之类的操作任务。
引用
@article{arxiv.2202.09549,
title = {Learning to Detect Slip with Barometric Tactile Sensors and a Temporal Convolutional Neural Network},
author = {Abhinav Grover and Philippe Nadeau and Christopher Grebe and Jonathan Kelly},
journal= {arXiv preprint arXiv:2202.09549},
year = {2022}
}
备注
In Proceedings of the IEEE International Conference on Robotics and Automation (ICRA'22), Philadelphia, USA, May 23-27, 2022. arXiv admin note: substantial text overlap with arXiv:2103.13460