Kinesthetic-based In-Hand Object Recognition with an Underactuated Robotic Hand

要約

腱ベースの非作動ハンドは、シンプルで従順で手頃な価格であることを目的としています。
多くの場合、それらは 3D プリントされており、触覚センサーは含まれていません。
したがって、直接タッチ センシングを使用して手持ちの物体認識を実行することは現実的ではありません。
触覚センサーを追加すると、ハードウェアが複雑になり、ロボット ハンドに余分なコストがかかる可能性があります。
また、視覚による一般的なアプローチは、遮蔽のために利用できない場合があります。
この論文では、運動感覚触覚が、力の弱い手による手の操作中に、掴んだオブジェクトの形状に関する間接的な情報を提供できるかどうかを検討します。
動作中の一定期間にわたるアクチュエータの位置とトルクのみを感知することによって、分類器がほぼ 95% という高い成功率で、訓練されたオブジェクトのセットからオブジェクトを認識できることを示します。
さらに、操作中のリアルタイム多数決の実装により、認識がさらに向上します。
さらに、トレーニングされた分類器は、特定のオブジェクトだけでなく、形状カテゴリを区別することに成功することも示されています。

要約(オリジナル)

Tendon-based underactuated hands are intended to be simple, compliant and affordable. Often, they are 3D printed and do not include tactile sensors. Hence, performing in-hand object recognition with direct touch sensing is not feasible. Adding tactile sensors can complicate the hardware and introduce extra costs to the robotic hand. Also, the common approach of visual perception may not be available due to occlusions. In this paper, we explore whether kinesthetic haptics can provide in-direct information regarding the geometry of a grasped object during in-hand manipulation with an underactuated hand. By solely sensing actuator positions and torques over a period of time during motion, we show that a classifier can recognize an object from a set of trained ones with a high success rate of almost 95%. In addition, the implementation of a real-time majority vote during manipulation further improves recognition. Additionally, a trained classifier is also shown to be successful in distinguishing between shape categories rather than just specific objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google