概率判别模型解决触觉感知混叠问题
机器人学
2021-06-07 v1
摘要
在本文中,我们的目的是强调在使用深度神经网络和其他判别模型时,触觉感知混叠是一个问题。每当从触觉数据中提取的物理变量在物理上不同的刺激之间存在歧义时,就会出现感知混叠。在此,我们使用一个概率判别模型来解决该问题,该模型实现为一个由深度神经网络预测高斯混合模型参数的五分量混合密度网络。我们表明,深度神经网络和高斯过程回归等判别回归模型在混叠数据上表现不佳,仅在移除混叠源后才能做出准确预测。相比之下,混合密度网络以更高的预测精度识别混叠数据。该模型的不确定性预测形成的模式与各种感知歧义源一致。我们认为,随着该领域进展到训练在不确定和非结构化环境中行动的机器人(例如通过深度强化学习),感知混叠将成为机器人触觉不可避免的问题。
引用
@article{arxiv.2106.02125,
title = {Probabilistic Discriminative Models Address the Tactile Perceptual Aliasing Problem},
author = {John Lloyd and Yijiong Lin and Nathan F. Lepora},
journal= {arXiv preprint arXiv:2106.02125},
year = {2021}
}
备注
11 pages. Accepted in Robotics: Science & Systems (RSS 2021)