基于本体感知传感的机器人机械臂多类人/物体检测
机器人学
2025-08-05 v1 人工智能
摘要
在物理人机协作 (pHRC) 场景中，人类和机器人在共享环境中直接协作。机器人必须分析与物体的交互，以确保安全并促进有意义的工作流程。一个关键方面是人/物体检测，其中识别接触到的物体。过去的研究引入了二分类机器学习模型来区分软硬物体。本研究改进了这些结果，通过评估三类人/物体检测模型，提供更详细的接触分析。使用 Franka Emika Panda 机器人机械臂收集了数据集，探索了用于时间序列分析的预处理策略。包括 LSTM、GRU 和 Transformer 的模型在这些数据集上进行训练。最佳-performing model 在实时测试中实现了 91.11% 的准确率，表明多类检测模型是可行的。此外，预处理策略的比较表明滑动窗口方法是此任务的最佳方法。
引用
@article{arxiv.2508.02425,
title = {Multi-Class Human/Object Detection on Robot Manipulators using Proprioceptive Sensing},
author = {Justin Hehli and Marco Heiniger and Maryam Rezayati and Hans Wernher van de Venn},
journal= {arXiv preprint arXiv:2508.02425},
year = {2025}
}