基于神经形态关节感知信号的对象分类：在软人类化手中验证
机器人学
2025-05-26 v1 神经与进化计算
摘要
关节感知是触觉感知中关键的感觉模态，在通过提供身体部位位置和运动反馈来感知物体三维结构方面发挥着关键作用。恢复关节感知感觉对于实现手中操作和自然控制至关重要。尽管其重要性，关节感知在人工系统中仍鲜有探索。本工作引入一种新平台，将软人类化机器人手(QB SoftHand)与柔性关节感知传感器相集成，同时开发一种利用不同类型脉冲神经元的混合脉冲神经网络分类器，以解释由生物肌肉纤维模型编码的神经形态关节感知信号。我们实现并测试了该编码方案和分类器，在我们收集的YCB基准测试中对十个物体进行主动探索的数据集上进行测试。我们的结果表明，分类器在探索早期阶段的推断准确性优于现有学习方法。该系统具有潜在的发展前景，可用于触觉反馈和神经形态假肢领域。
引用
@article{arxiv.2505.17738,
title = {Object Classification Utilizing Neuromorphic Proprioceptive Signals in Active Exploration: Validated on a Soft Anthropomorphic Hand},
author = {Fengyi Wang and Xiangyu Fu and Nitish Thakor and Gordon Cheng},
journal= {arXiv preprint arXiv:2505.17738},
year = {2025}
}