基于视觉与触觉测量的概率性表面摩擦估计

准确建模物体的局部表面属性对许多机器人应用（从抓取到材料识别）至关重要。然而，诸如摩擦之类的表面属性难以估计，因为对物体的视觉观测无法传达关于这些属性的足够信息。相比之下，触觉探索耗时，因为它仅提供与物体被探索部分相关的信息。在本工作中，我们提出一种联合视觉-触觉物体模型，其通过利用视觉与触觉信息的相关性以及机械臂的有限触觉探索，实现在整个物体上的表面摩擦系数估计。我们展示了该方法在一系列真实多材料物体上估计变化摩擦系数的能力，从而证明其有效性。此外，我们说明了估计出的摩擦系数如何通过引导抓取规划器朝向高摩擦区域来提高抓取成功率。