面向软式视觉触觉传感器的单目深度估计
机器人学
2021-01-06 v1 计算机视觉与模式识别
摘要
充液式软视觉触觉传感器（如Soft-bubbles）缓解了鲁棒操作的关键挑战，因其可实现可靠抓取，并能获取关于接触几何与力的高分辨率感官反馈。尽管构造简单，其效用却受限于为直接测量表面形变而内置的定制IR/深度成像传感器所带来的尺寸约束。为缓解此限制，我们探究将最先进的单目深度估计应用于从内部单一小型IR成像传感器直接推断稠密内部（触觉）深度图。通过真实世界实验，我们表明通常用于远距离（1–100m）深度估计的深度网络，可在大多无纹理的可变形充液传感器内部、更短距离（1–100mm）上被有效训练以作精确预测。我们提出一种简单监督学习流程，训练一个对象不可知网络，仅需少于10个接触随机位姿、少于10秒、针对一小簇多样对象（实验中为马克杯、酒杯、盒子与手指）。我们展示该方法样本高效、准确，且能泛化至训练时未见的不同对象与传感器配置。最后，我们讨论该方法对软视觉触觉传感器与夹爪设计的启示。
引用
@article{arxiv.2101.01677,
title = {Monocular Depth Estimation for Soft Visuotactile Sensors},
author = {Rares Ambrus and Vitor Guizilini and Naveen Kuppuswamy and Andrew Beaulieu and Adrien Gaidon and Alex Alspach},
journal= {arXiv preprint arXiv:2101.01677},
year = {2021}
}