Tac2Pose：基于首次触摸的触觉物体位姿估计
计算机视觉与模式识别
2023-09-18 v3 机器学习
机器人学
摘要
在本文中，我们提出 Tac2Pose，一种针对已知物体、基于首次触摸的触觉位姿估计的物特定方法。给定物体几何形状，我们在仿真中学习一个定制的感知模型，该模型在给定触觉观测时估计物体可能位姿上的概率分布。为此，我们仿真密集物体位姿集合会在传感器上产生的接触形状。然后，给定从传感器获得的新接触形状，我们使用通过对比学习学到的物特定嵌入将其与预计算集合进行匹配。我们从传感器获取接触形状的方式是一个物无关校准步骤，该步骤将 RGB 触觉观测映射为二值接触形状。这一映射可跨物体和传感器实例复用，是唯一使用真实传感器数据训练的步骤。这产生了一个从首次真实触觉观测中定位物体的感知模型。重要的是，它产生位姿分布，并可融入来自其他感知系统、接触或先验的额外位姿约束。我们提供了 20 个物体的定量结果。Tac2Pose 从具有区分性的触觉观测中提供高精度的位姿估计，同时回归有意义的位姿分布以解释那些可能由不同物体位姿产生的接触形状。我们还在由 3D 扫描仪重建的物体模型上测试 Tac2Pose，以评估其对物体模型不确定性的鲁棒性。最后，我们展示了 Tac2Pose 相较于三种触觉位姿估计基线方法的优势：用神经网络直接回归物体位姿、用标准分类神经网络将观测接触与可能接触集合匹配、以及将观测接触与可能接触集合进行直接像素比较。网站：http://mcube.mit.edu/research/tac2pose.html
引用
@article{arxiv.2204.11701,
title = {Tac2Pose: Tactile Object Pose Estimation from the First Touch},
author = {Maria Bauza and Antonia Bronars and Alberto Rodriguez},
journal= {arXiv preprint arXiv:2204.11701},
year = {2023}
}
备注
Submitted to IJRR, 22 pages + Appendix, 11 figures