通过学习方法变形模式实现鲁棒且低成本的3D触觉感知
机器人学
2019-02-26 v1
摘要
触觉感知是与真实世界交互的重要模态。本文提出一种通用框架，利用少量物理传感器而非密集传感器阵列，从三维结构内部变形推断其表面的触觉力。利用机器学习技术，我们优化了传感器数量及其布置，能够仅使用少至 9 个传感器为机器人肢体获得高精度力推断。对于测量单元（应变片）的最优稀疏布置，我们采用基于有限元仿真所获得数据的数据驱动方法。我们将数据驱动方法与依赖几何距离和诸如熵与互信息等信息准则的基于模型的方法进行比较。我们在 Poppy 机器人的改进肢体上验证了我们的方法，并获得了 8 mm 的定位精度。
引用
@article{arxiv.1902.09241,
title = {Robust Affordable 3D Haptic Sensation via Learning Deformation Patterns},
author = {Huanbo Sun and Goerg Martius},
journal= {arXiv preprint arXiv:1902.09241},
year = {2019}
}
备注
19 pages, 6 figures