Single-grasp deformable object discrimination: the effect of gripper morphology, sensing modalities, and action parameters

要約

触覚による物体識別において、グリッパーの具現化、動作パラメータ、および感覚チャンネルの効果は体系的に研究されていない。我々は、2つの擬人化された手と2本の2本指グリッパーを用いて、2組の変形可能な物体を把持した。(iii)異なる把持形態への汎化は限定的であり、異なる圧縮速度への変換はバレットハンドでのみ有効であった。PCAを用いた特徴空間の視覚化により、グリッパーの形態と動作パラメータが分散の主な原因であることが示され、実施形態や把持構成にまたがる汎化が非常に困難であることがわかりました。ポリウレタンフォームのみからなる非常に困難なデータセットでは、バレットハンドのみが優れた性能を達成しました。このように、触覚センサーは、形状ではなく剛性に基づく認識であっても、重要な利点を提供することができる。24,000の測定値を含むデータセットは公開されている。

要約(オリジナル)

In haptic object discrimination, the effect of gripper embodiment, action parameters, and sensory channels has not been systematically studied. We used two anthropomorphic hands and two 2-finger grippers to grasp two sets of deformable objects. On the object classification task, we found: (i) among classifiers, SVM on sensory features and LSTM on raw time series performed best across all grippers; (ii) faster compression speeds degraded performance; (iii) generalization to different grasping configurations was limited; transfer to different compression speeds worked well for the Barrett Hand only. Visualization of the feature spaces using PCA showed that the gripper morphology and the action parameters were the main source of variance, rendering generalization across embodiment or grasp configurations very hard. On the highly challenging dataset consisting of polyurethane foams alone, only the Barrett Hand achieved excellent performance. Tactile sensors can thus provide a key advantage even if recognition is based on stiffness rather than shape. The dataset with 24000 measurements is publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL