Learning to Detect Slip through Tactile Estimation of the Contact Force Field and its Entropy

要約

物体の掴みや操作時の滑りの検出は、物体の取り扱いにおいて重要な役割を果たします。
既存のソリューションは主に視覚情報に依存して把握戦略を考案しています。
しかし、ロボット システムが、特に見慣れない物体を一貫して処理および操作する際に、人間に匹敵する熟練度レベルに達するには、人工触覚センシングの統合がますます不可欠になります。
私たちは、リアルタイムで継続的に滑りを検出するための、物理学に基づいたデータ駆動型の新しいアプローチを導入します。
触覚データを収集するために、カスタム設計のグリッパーに取り付けられた光学式触覚センサーである GelSight Mini を採用しています。
私たちの研究では、滑りイベント中の触覚センサーの読み取り値の不均一性を利用して独特の特徴を開発し、滑り検出を分類問題として定式化します。
私たちのアプローチを評価するために、異なる荷重条件、テクスチャ、マテリアルの下で 10 個の一般的なオブジェクトに対して複数のデータ駆動型モデルをテストしました。
私たちの結果は、最良の分類アルゴリズムが 95.61% という高い平均精度を達成していることを示しています。
さらに、リアルタイムの滑り検出および防止アルゴリズムが実装された、動的ロボット操作タスクにおける研究の実際的な応用例を示します。

要約(オリジナル)

Detection of slip during object grasping and manipulation plays a vital role in object handling. Existing solutions primarily rely on visual information to devise a strategy for grasping. However, for robotic systems to attain a level of proficiency comparable to humans, especially in consistently handling and manipulating unfamiliar objects, integrating artificial tactile sensing is increasingly essential. We introduce a novel physics-informed, data-driven approach to detect slip continuously in real time. We employ the GelSight Mini, an optical tactile sensor, attached to custom-designed grippers to gather tactile data. Our work leverages the inhomogeneity of tactile sensor readings during slip events to develop distinctive features and formulates slip detection as a classification problem. To evaluate our approach, we test multiple data-driven models on 10 common objects under different loading conditions, textures, and materials. Our results show that the best classification algorithm achieves a high average accuracy of 95.61%. We further illustrate the practical application of our research in dynamic robotic manipulation tasks, where our real-time slip detection and prevention algorithm is implemented.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google