Learning to Detect Slip through Tactile Measures of the Contact Force Field and its Entropy

要約

物体の把持や操作時の滑りを検出することは、物体操作において重要な役割を果たす。既存のソリューションでは、把持のための戦略を考案するために、視覚情報に大きく依存しています。しかし、人間と同じような熟練度を達成し、不慣れな物体の安定した把持と操作を実現するためには、ロボットシステムに人工触覚センシングを組み込むことが必要になってきている。本研究では、物理情報に基づいたデータ駆動型の新しい滑り検出方法を提案し、リアルタイムで連続的に滑りを検出する。光学式触覚センサーであるGelSight Miniをカスタムグリッパーに搭載し、触覚の読み取り値を取得します。私たちの研究は、スリップイベント中の触覚センサーの読み取りの不均一性を利用して、特徴的な特徴を開発し、スリップ検出を分類問題として定式化しています。我々のアプローチを評価するために、異なる荷重条件、質感、材質の10種類の一般的な物体について、複数のデータ駆動型モデルをテストしました。その結果、最も優れた分類アルゴリズムは、平均99％の精度を達成することができました。また、リアルタイムでスリップを検出し、防止するアルゴリズムを実装した動的なロボット操作タスクにおいて、この研究の応用を実証する。

要約(オリジナル)

Detection of slip during object grasping and manipulation plays a vital role in object handling. Existing solutions largely depend on visual information to devise a strategy for grasping. Nonetheless, in order to achieve proficiency akin to humans and achieve consistent grasping and manipulation of unfamiliar objects, the incorporation of artificial tactile sensing has become a necessity in robotic systems. In this work, we propose a novel physics-informed, data-driven method to detect slip continuously in real time. The GelSight Mini, an optical tactile sensor, is mounted on custom grippers to acquire tactile readings. Our work leverages the inhomogeneity of tactile sensor readings during slip events to develop distinctive features and formulates slip detection as a classification problem. To evaluate our approach, we test multiple data-driven models on 10 common objects under different loading conditions, textures, and materials. Our results show that the best classification algorithm achieves an average accuracy of 99%. We demonstrate the application of this work in a dynamic robotic manipulation task in which real-time slip detection and prevention algorithm is implemented.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL