Robust Learning-Based Incipient Slip Detection using the PapillArray Optical Tactile Sensor for Improved Robotic Gripping

要約

滑り、特に初期の滑りを検出する機能により、ロボット システムは掴んだ物体の落下を防ぐための修正措置を講じることができます。
したがって、滑り検出により、ロボットによる把持の全体的な安全性が向上します。
ただし、初期の滑りを正確に検出することは依然として大きな課題です。
この論文では、PapillArray (Contactile、オーストラリア) の触覚センサーを使用して初期の滑りを検出するための新しい学習ベースのアプローチを提案します。
結果として得られたモデルは、初期スリップに関連するパターンを特定するのに非常に効果的であり、オフライン データセットでテストした場合、95.6% の検出成功率を達成しました。
さらに、モデルの堅牢性を高めるためにいくつかのデータ拡張手法を導入します。
トレーニングされたモデルを、トレーニング データが収集された場所とは別のロボット グリッピング環境に転送すると、モデルは 96.8% の成功率で堅牢なパフォーマンスを維持し、いくつかの実際的なグリッピング タスクを安定させるためのタイムリーなフィードバックを提供しました。
私たちのプロジェクトの Web サイト: https://sites.google.com/view/incipient- Slip-detection。

要約(オリジナル)

The ability to detect slip, particularly incipient slip, enables robotic systems to take corrective measures to prevent a grasped object from being dropped. Therefore, slip detection can enhance the overall security of robotic gripping. However, accurately detecting incipient slip remains a significant challenge. In this paper, we propose a novel learning-based approach to detect incipient slip using the PapillArray (Contactile, Australia) tactile sensor. The resulting model is highly effective in identifying patterns associated with incipient slip, achieving a detection success rate of 95.6% when tested with an offline dataset. Furthermore, we introduce several data augmentation methods to enhance the robustness of our model. When transferring the trained model to a robotic gripping environment distinct from where the training data was collected, our model maintained robust performance, with a success rate of 96.8%, providing timely feedback for stabilizing several practical gripping tasks. Our project website: https://sites.google.com/view/incipient-slip-detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google