基于主动温控机器人夹爪的材料分类
机器人学
2021-12-01 v1 机器学习
摘要
识别技术使机器人能够制定适当的规划与控制策略来操控各种物体。当结合多种感知（例如视觉与触觉）进行物体识别时更为可靠。每种物体材料的一个区别性特征是其热特性，分类可利用热传递，类似于人类的热感觉。基于热感的识别具有优势，可通过微小且廉价的传感器简单捕获温度变化来实时获取接触表面信息。然而，机器人表面与接触物体之间的热传递受初始温度与环境条件的强烈影响。当物体温度与机器人夹爪尖温度相同时，无法识别其材料。我们提出一种使用主动温控机器人夹爪以诱导热流的材料分类系统。随后，我们的系统可独立于环境温度下识别材料。机器人夹爪表面可调节至任意区别于被触摸物体表面的温度。我们通过将温控系统集成到 Academic SCARA Robot 上进行了若干实验，基于从抓取目标物体获得的温度数据，使用长短期记忆（LSTM）对其进行分类。
引用
@article{arxiv.2111.15344,
title = {Material Classification Using Active Temperature Controllable Robotic Gripper},
author = {Yukiko Osawa and Kei Kase and Yukiyasu Domae and Yoshiyuki Furukawa and Abderrahmane Kheddar},
journal= {arXiv preprint arXiv:2111.15344},
year = {2021}
}