面向基于视觉触觉传感器的接触事件检测与预测的学习
机器人学
2019-10-10 v1 计算机视觉与模式识别
机器学习
摘要
本质上，成功的抓取可归结为对指尖与物体间多次接触事件的正确响应。在大多数场景中，触觉传感足以区分接触事件。由于触觉信息具有高维特性，使用传统基于模型的方法对时空触觉信号进行分类十分困难。本工作中，我们提出使用深度学习方法预测并分类触觉信号，以期增强机器人抓取系统对可能导致抓取失败的外界事件变化的适应性。我们开发了一个深度学习框架，并利用基于视觉的触觉传感器采集了6650条触觉图像序列，该神经网络被集成至一个基于接触事件的机器人抓取系统中。在抓取实验中，借助接触检测我们的物体提起成功率提升了52%，且相较于开环抓取，在意外负载下凭借滑移预测表现出显著更高的鲁棒性，表明将该框架集成至机器人抓取系统可大幅提升拾取成功率与抵御外部扰动的能力。
引用
@article{arxiv.1910.03973,
title = {Towards Learning to Detect and Predict Contact Events on Vision-based Tactile Sensors},
author = {Yazhan Zhang and Weihao Yuan and Zicheng Kan and Michael Yu Wang},
journal= {arXiv preprint arXiv:1910.03973},
year = {2019}
}
备注
10 pages, 7 figures, Accepted to conference on Robot Learning (CoRL 2019)