基于带参数偏置的循环神经网络的柔性肌肉骨骼手的目标识别、动态接触仿真、检测与控制
机器人学
2024-07-12 v1
摘要
柔性肌肉骨骼手建模困难，其模型会因随时间的磨损、初始化不可重复性等因素而不断变化。此外，对于利用该手进行目标识别、接触检测和接触控制，希望只使用一个集成网络而非为每个任务分别训练神经网络。因此，我们发展了一种方法，通过带参数偏置的循环神经网络获取肌肉骨骼手的传感器状态方程。通过该网络，手 can 实现对抓取物体的识别、接触仿真、检测和控制，并能通过更新参数偏置来应对随时间的磨损、初始化不可重复性等问题。我们将本研究应用于人形肌肉骨骼机器人 Musashi 的手部，展示了其有效性。
引用
@article{arxiv.2407.08050,
title = {Object Recognition, Dynamic Contact Simulation, Detection, and Control of the Flexible Musculoskeletal Hand Using a Recurrent Neural Network with Parametric Bias},
author = {Kento Kawaharazuka and Kei Tsuzuki and Moritaka Onitsuka and Yuki Asano and Kei Okada and Koji Kawasaki and Masayuki Inaba},
journal= {arXiv preprint arXiv:2407.08050},
year = {2024}
}
备注
Accepted at IEEE Robotics and Automation Letters