Measuring Object Rotation via Visuo-Tactile Segmentation

要約

ロボット操作タスクを実行する場合、滑りによる回転により物体が落下することがあります。
これは、掴んだものの物理的特性についてのより良い知識を提供する触覚情報を取得することで防ぐことができます。
本論文では、滑りが発生した場合の把持物体の回転角度を推定する。
接触領域をセグメント化するニューラルネットワークとその領域の回転角度を推定するアルゴリズムで構成されるシステムを実装します。
この手法はDIGIT触覚センサに応用されています。
私たちのシステムはさらに、公開されているデータセットを使用してトレーニングおよびテストされています。このデータセットは、私たちの知る限り、文献に登場する非合成画像からの触覚セグメンテーションに関連する最初のデータセットであり、95 の結果を達成しています。
最悪のシナリオにおける Dice および IoU メトリクスに関しては % および 90%。
さらに、45 種類の異なるリフトで、これまでシステムで確認できなかった物体を使用してテストしたところ、最大 3 度の誤差が得られました。
したがって、これは、私たちのアプローチが滑りの動きを検出でき、オブジェクトの落下を防ぐ可能性のある反応を提供できることを証明しました。

要約(オリジナル)

When carrying out robotic manipulation tasks, objects occasionally fall as a result of the rotation caused by slippage. This can be prevented by obtaining tactile information that provides better knowledge on the physical properties of the grasping. In this paper, we estimate the rotation angle of a grasped object when slippage occurs. We implement a system made up of a neural network with which to segment the contact region and an algorithm with which to estimate the rotated angle of that region. This method is applied to DIGIT tactile sensors. Our system has additionally been trained and tested with our publicly available dataset which is, to the best of our knowledge, the first dataset related to tactile segmentation from non-synthetic images to appear in the literature, and with which we have attained results of 95% and 90% as regards Dice and IoU metrics in the worst scenario. Moreover, we have obtained a maximum error of 3 degrees when testing with objects not previously seen by our system in 45 different lifts. This, therefore, proved that our approach is able to detect the slippage movement, thus providing a possible reaction that will prevent the object from falling.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google