用于物体识别的简单运动觉触觉方法

物体识别在执行各类任务时是一项基本能力。人类自然地使用视觉和/或触觉感知之一或两者来提取物体类别与属性。然而，机器人的典型方法需要复杂的视觉系统或多个高密度触觉传感器，这可能极为昂贵。此外，它们通常需要通过直接交互从真实物体实际收集大型数据集。本文提出一种基于运动觉的物体识别方法，可在任何运动学已知的多指机械手上执行。该方法不需要触觉传感器，并基于观察物体的抓取过程。我们利用一种独特且坐标系不变的抓取参数化来学习物体形状实例。为训练分类器，训练数据在计算过程中快速且无需与真实物体交互地生成。我们随后提出并比较了两种可集成任意训练分类器的迭代算法。分类器与算法独立于任何特定机械手，因此可应用于多种机械手。我们在实验中表明，借助少量抓取，算法即可获得准确分类。此外，我们表明该物体识别方法可扩展至各种尺寸的物体。类似地，训练了一个全局分类器来识别通用几何形状（如椭球体或盒子）而非特定物体，并在大型物体集上演示。提供了全面实验与分析以展示该方法性能。