PoseIt：用于抓取稳定性分析的持握姿态视觉-触觉数据集
机器人学
2022-09-13 v1 人工智能
摘要
当人类在真实世界中抓取物体时，常移动手臂将物体持握于可用之不同姿态。相比之下，典型实验室环境仅研究抓取后即刻抬起时的稳定性，而无后续手臂重定位。然而，抓取稳定性会因物体持握姿态而有很大差异，因重力力矩与夹持器接触力可能完全改变。为促进持握姿态如何影响抓取稳定性的研究，我们提出 PoseIt，一个包含从完整抓取物体、将手臂重定位至采样姿态之一、并晃动物体的周期中采集的视觉与触觉数据的新型多模态数据集。利用 PoseIt 数据，我们可构建并解决预测被抓物体在特定持握姿态下是否稳定的任务。我们训练了一个 LSTM 分类器，在该任务上达到 85% 准确率。实验结果表明，在 PoseIt 上训练的多模态模型优于仅用视觉或触觉数据，且我们的分类器可泛化至未见过的物体与姿态。
引用
@article{arxiv.2209.05022,
title = {PoseIt: A Visual-Tactile Dataset of Holding Poses for Grasp Stability Analysis},
author = {Shubham Kanitkar and Helen Jiang and Wenzhen Yuan},
journal= {arXiv preprint arXiv:2209.05022},
year = {2022}
}
备注
8 pages, 7 figures, IEEE/RSJ International Conference on Intelligent Robots and Systems 2022