CNN-based Methods for Object Recognition with High-Resolution Tactile Sensors

要約

新しい高解像度圧力センサー アレイにより、圧力測定値を標準画像として扱うことができます。
畳み込みニューラル ネットワーク (CNN) などのコンピューター ビジョン アルゴリズムと手法を使用して、接触オブジェクトを識別できます。
この論文では、接触した物体を識別するために、高解像度の触覚センサーがロボットのエンドエフェクターに取り付けられています。
圧力画像を分類するために 2 つの CNN ベースのアプローチが採用されています。
これらの手法には、RGB 画像データセットで事前にトレーニングされた CNN と、触覚情報を使用して最初からトレーニングされたカスタムメイドの CNN (TactNet) を使用した転移学習アプローチが含まれます。
転移学習アプローチは、ネットワークの分類層を再トレーニングするか、これらの層を SVM に置き換えることによって実行できます。
全体として、これらの方法に基づく 11 の構成がテストされました。8 つは転移学習ベース、3 つは TactNet ベースです。
さらに、方法のパフォーマンスの研究と、触覚物体認識に関する現在の最先端技術との比較議論が提示されます。

要約(オリジナル)

Novel high-resolution pressure-sensor arrays allow treating pressure readings as standard images. Computer vision algorithms and methods such as Convolutional Neural Networks (CNN) can be used to identify contact objects. In this paper, a high-resolution tactile sensor has been attached to a robotic end-effector to identify contacted objects. Two CNN-based approaches have been employed to classify pressure images. These methods include a transfer learning approach using a pre-trained CNN on an RGB-images dataset and a custom-made CNN (TactNet) trained from scratch with tactile information. The transfer learning approach can be carried out by retraining the classification layers of the network or replacing these layers with an SVM. Overall, 11 configurations based on these methods have been tested: 8 transfer learning-based, and 3 TactNet-based. Moreover, a study of the performance of the methods and a comparative discussion with the current state-of-the-art on tactile object recognition is presented.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google