基于材料识别卷积神经网络与分层规划的双足机器人在湿滑地形上的运动
机器人学
2017-06-28 v1 计算机视觉与模式识别
摘要
本文处理的问题是通过视觉预测具有多样表面的环境的表面摩擦力，并将此知识整合到双足机器人运动规划中。该问题对于自主机器人运动至关重要，因为现实世界中充斥着摩擦力各异的多样表面，从木材到瓷砖、草地或冰面，若不加以考虑，可能给机器人运动带来困难或巨大能量消耗。我们提出利用卷积神经网络从视觉估计材料类别，结合与每种材料相关的摩擦力概率分布函数，来估计摩擦力及其不确定性。然后，我们使用机会约束将摩擦力预测稳健地整合到分层（脚步与全身）规划方法中，并在规划方法的两个层次上优化相同的轨迹代价以保持一致性。我们的解决方案在湿滑地形上实现了完全自主的感知与运动，不仅考虑了摩擦力及其不确定性，还考虑了碰撞、稳定性与轨迹代价。我们在室外场景的真实图片中展示了有前景的摩擦力预测结果，并在真实机器人面对不同摩擦力表面时进行了规划实验。
引用
@article{arxiv.1706.08685,
title = {Material Recognition CNNs and Hierarchical Planning for Biped Robot Locomotion on Slippery Terrain},
author = {Martim Brandao and Yukitoshi Minami Shiguematsu and Kenji Hashimoto and Atsuo Takanishi},
journal= {arXiv preprint arXiv:1706.08685},
year = {2017}
}