利用不同神经网络架构从触觉时间序列数据进行机器人目标识别
机器人学
2021-09-13 v1 计算机视觉与模式识别
摘要
机器人需要利用关于抓取物体的高质量信息来与物理环境进行交互。因此，触觉数据可用于补充视觉模态。本文研究了使用卷积神经网络 (CNN) 和长短期记忆 (LSTM) 神经网络架构对时空触觉抓取数据进行目标分类。此外，我们在相同的物理设置下，使用来自两种不同指尖传感器（即 BioTac SP 和 WTS-FT）的数据对这些方法进行了比较，从而允许在相同的触觉目标分类数据集上对方法和传感器进行真实的比较。另外，我们提出了一种从记录数据中生成更多训练样本的方法。结果表明，所提出的方法将最大准确率从使用完整时间序列数据的 82.4%（BioTac SP 指尖）和 90.7%（WTS-FT 指尖）提高到两种传感器类型均约 94%。
引用
@article{arxiv.2109.04573,
title = {Object recognition for robotics from tactile time series data utilising different neural network architectures},
author = {Wolfgang Bottcher and Pedro Machado and Nikesh Lama and T. M. McGinnity},
journal= {arXiv preprint arXiv:2109.04573},
year = {2021}
}