Tactile-ViewGCN:基于图卷积网络从触觉数据学习形状描述符
机器人学
2022-03-15 v1 机器学习
摘要
对人类而言,我们的“触觉”始终是我们能够在任何环境中精确高效地操控各种形状物体所必需的,但直到最近,充分理解触觉反馈的工作仍不多见。本工作提出一种新方法,从触觉手套采集的多模态触觉数据中获取优于现有方法的形状描述符以对物体进行分类。其聚焦于改进以往利用触觉数据的物体分类工作。从多模态触觉数据进行物体分类的主要问题在于找到聚合从多张触觉图像提取特征的良好方式。我们提出一种称为Tactile-ViewGCN的新方法,通过使用图卷积网络考虑不同特征间关系来分层聚合触觉特征。我们的模型在STAG数据集上以81.82%的准确率优于以往方法。
引用
@article{arxiv.2203.06183,
title = {Tactile-ViewGCN: Learning Shape Descriptor from Tactile Data using Graph Convolutional Network},
author = {Sachidanand V S and Mansi Sharma},
journal= {arXiv preprint arXiv:2203.06183},
year = {2022}
}