Elastic Context: Encoding Elasticity for Data-driven Models of Textiles

要約

補助着衣のようなテキスタイルとの物理的相互作用は、高度な伸張能力に依存している。引っ張られたり伸ばされたりしたときの繊維の振る舞いの根底にある複雑さは、糸の材料特性と繊維の構造技術の両方によるものです。今日、様々な相互作用や特性の識別方法が評価される、一般的に採用され注釈が付けられたデータセットは存在しません。相互作用に影響を与える重要な特性の1つは、糸の素材と構造技術の両方に起因する素材の弾性です。この2つは互いに絡み合っており、事前に知らなければ、ロボットプラットフォームで一般的に利用できるセンシングによって識別することはほとんど不可能です。我々は、弾性挙動に影響を与える様々な特性を統合する概念である弾性コンテキスト（EC）を導入し、繊維製品とのより効果的な物理的インタラクションを可能にする。ECの定義は、繊維工学で一般的に使用される応力／ひずみ曲線に依存しており、これをロボットアプリケーション用に再定義した。我々は、繊維の一般化された弾性挙動を学習するために、グラフニューラルネットワーク（GNN）を用いてECを採用する。さらに、ECの次元が実世界の非線形弾性挙動の正確な力モデリングに与える影響を調べ、繊維特性を感知するための現在のロボットセットアップの課題を浮き彫りにする。

要約(オリジナル)

Physical interaction with textiles, such as assistive dressing, relies on advanced dextreous capabilities. The underlying complexity in textile behavior when being pulled and stretched, is due to both the yarn material properties and the textile construction technique. Today, there are no commonly adopted and annotated datasets on which the various interaction or property identification methods are assessed. One important property that affects the interaction is material elasticity that results from both the yarn material and construction technique: these two are intertwined and, if not known a-priori, almost impossible to identify through sensing commonly available on robotic platforms. We introduce Elastic Context (EC), a concept that integrates various properties that affect elastic behavior, to enable a more effective physical interaction with textiles. The definition of EC relies on stress/strain curves commonly used in textile engineering, which we reformulated for robotic applications. We employ EC using Graph Neural Network (GNN) to learn generalized elastic behaviors of textiles. Furthermore, we explore the effect the dimension of the EC has on accurate force modeling of non-linear real-world elastic behaviors, highlighting the challenges of current robotic setups to sense textile properties.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL