Pose-free object classification from surface contact features in sequences of Robotic grasps

要約

この研究では、固有受容センシングを備えた多指ロボット ハンドを使用した、物体識別のための 2 つのコスト効率の高い方法を提案します。
どちらの方法も既知のオブジェクトでトレーニングされ、オブジェクトを数回把握するときに得られる限られた一連の特徴に依存します。
文献にあるほとんどの方法とは対照的に、私たちの方法は物体と手の間の相対的な姿勢の知識に依存しないため、応用範囲が大幅に拡大します。
ただし、その知識が利用可能な場合は、オブジェクトを適切に認識するために必要な全体的な把握回数を減らす、追加のアクティブな探索ステップを提案します。
1 つの方法は接触位置と法線に依存し、もう 1 つは接触位置のみに依存します。
提案されたメソッドを GraspIt! でテストします。
シミュレータを使用して、ポーズフリーの条件で触覚ベースの物体分類が可能であることを示します。
最も正確な結果を生成し、分類に必要な把握数が最小限になるパラメーターを評価します。

要約(オリジナル)

In this work, we propose two cost efficient methods for object identification, using a multi-fingered robotic hand equipped with proprioceptive sensing. Both methods are trained on known objects and rely on a limited set of features, obtained during a few grasps on an object. Contrary to most methods in the literature, our methods do not rely on the knowledge of the relative pose between object and hand, which greatly expands the domain of application. However, if that knowledge is available, we propose an additional active exploration step that reduces the overall number of grasps required for a good recognition of the object. One of the methods depends on the contact positions and normals and the other depends on the contact positions alone. We test the proposed methods in the GraspIt! simulator and show that haptic-based object classification is possible in pose-free conditions. We evaluate the parameters that produce the most accurate results and require the least number of grasps for classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google