面向机器人触觉的最优深度学习
机器人学
2020-03-31 v2
摘要
本文通过考虑一种基础而根本的能力——估计与触觉传感器接触的物体部分的相对位姿，来阐述深度学习在机器人触觉中的应用。我们首先综述应用于触觉机器人的深度学习，重点关注光学触觉传感器，其有助于从视觉深度学习过渡到触觉。随后我们展示如何利用深度学习训练对如运动相关剪切等干扰变量不敏感的 3D 表面与边缘的精确位姿模型。这涉及将代表性运动作为训练数据的无标签扰动纳入，并利用网络与训练超参数的贝叶斯优化来寻找最精确的模型。从触觉精确估计位姿将使机器人能够安全且精确地控制其物理交互，这是广泛物体探索与操控任务的基础。
引用
@article{arxiv.2003.01916,
title = {Optimal Deep Learning for Robot Touch},
author = {Nathan F. Lepora and John Lloyd},
journal= {arXiv preprint arXiv:2003.01916},
year = {2020}
}
备注
Accepted in IEEE Robotics & Automation Magazine Special Issue on Deep Learning and Machine Learning in Robotics. NL and JL contributed equally to this work