基于鲁棒学习的早期滑移检测：利用 PapillArray 光学触觉传感器改进机器人抓取
机器人学
2023-07-11 v1 机器学习
摘要
检测滑移（尤其是早期滑移）的能力使机器人系统能够采取纠正措施以防止抓取的物体掉落。因此，滑移检测可增强机器人抓取的整体安全性。然而，准确检测早期滑移仍是一项重大挑战。本文提出一种基于学习的新方法，利用 PapillArray（Contactile，澳大利亚）触觉传感器检测早期滑移。所得模型在识别与早期滑移相关的模式上非常有效，在离线数据集测试时达到 95.6% 的检测成功率。此外，我们引入若干数据增强方法以提升模型的鲁棒性。当将训练好的模型迁移至与训练数据采集处不同的机器人抓取环境时，我们的模型保持了鲁棒性能，成功率达 96.8%，为稳定若干实际抓取任务提供了及时反馈。我们的项目网站：https://sites.google.com/view/incipient-slip-detection。
引用
@article{arxiv.2307.04011,
title = {Robust Learning-Based Incipient Slip Detection using the PapillArray Optical Tactile Sensor for Improved Robotic Gripping},
author = {Qiang Wang and Pablo Martinez Ulloa and Robert Burke and David Cordova Bulens and Stephen J. Redmond},
journal= {arXiv preprint arXiv:2307.04011},
year = {2023}
}