接触几何与运动诱发剪切的触觉图像到图像解耦

机器人触觉，尤其在使用软光学触觉传感器时，会受到由运动相关剪切引起的失真影响。传感器与刺激物接触的方式，与关于刺激物几何形状的触觉信息相互纠缠。在本工作中，我们提出一种有监督的卷积深度神经网络模型，该模型学习在潜空间中将接触几何引起的传感器形变分量与滑动诱发剪切所导致的分量解耦。该方法通过从剪切图像重建无剪切触觉图像，并证明其与无滑动运动采集的无剪切触觉图像相匹配来进行验证。此外，无剪切触觉图像能够忠实重建接触几何形状，而这是从剪切数据无法实现的，并且可对接触位姿进行鲁棒估计，可用于围绕各种二维形状滑动的伺服控制。最后，接触几何重建结合伺服控制滑动被用于各种二维形状的忠实完整物体重建。该方法对具有剪切敏感触觉的机器人深度学习模型具有广泛适用性。