非矩阵触觉传感器：如何利用其局部连通性预测抓取稳定性？
机器人学
2018-09-18 v1 机器学习
摘要
触觉传感器在与物体交互时提供有用信息，可用于评估抓取的稳定性。以往关于该主题的大多数工作将触觉读数作为信号并通过计算人工选取的特征来处理。其中一些工作将这些读数作为图像处理，在类矩阵传感器上计算特征。在本工作中，我们探索非矩阵传感器(触觉单元未精确排列成矩阵的传感器)如何也能作为触觉图像进行处理。此外，我们证明可通过用其训练卷积神经网络(CNN)来预测抓取稳定性。我们在41个日常物体上采集了超过2500次真实三指抓取，以训练利用非矩阵触觉传感器固有局部连通性的CNN，在稳定性预测上达到了94.2%的F1-score。
引用
@article{arxiv.1809.05551,
title = {Non-Matrix Tactile Sensors: How Can Be Exploited Their Local Connectivity For Predicting Grasp Stability?},
author = {Brayan S. Zapata-Impata and Pablo Gil and Fernando Torres},
journal= {arXiv preprint arXiv:1809.05551},
year = {2018}
}
备注
4 pages, 4 figures, to be presented at IEEE/RSJ IROS 2018 Workshop RoboTac: New Progress in Tactile Perception and Learning in Robotics