Cyclic Fusion of Measuring Information in Curved Elastomer Contact via Vision-Based Tactile Sensing

要約

触覚センシングにおける物体表面の特徴を測定するためにエラストマー変形を使用することは、微妙なデータの変化を検出する高密度に配置された光学イメージングセンサーを通じてマイクロスケールの変形を捕捉するため、効果的です。
継続的な接触認識を可能にするために、エラストマーは接触領域の変化に適応する曲面で作られています。
ただし、この設計では不均一な変形が生じ、触覚イメージが歪み、実際のエラストマーの変形が不正確に反映されます。
この不一致により、触覚データの有用性が大幅に低下します。
この研究では、ピクセルレベルでの正確な接触データ抽出と形状特徴統合のための視覚ベースの触覚センシングのための周期的融合戦略を提案します。
このシステムは周波数領域融合を利用して、エラストマーの変形によって示される地形を統合し、情報内容を 40% 以上強化し、構造の一貫性を維持します。
さらに、このシステムは、ニューラル ネットワークを使用して、マイクロスケールの接触特徴を効果的に抽出して要約し、90.90% の検出 mAP と 99.83% の分類精度を達成できました。
この戦略を使用すると、測定はデータ干渉を最小限に抑え、触覚画像上で物体の形態を正確に描写し、触感の回復を強化します。

要約(オリジナル)

Using elastomer deformation to measure object surface features in tactile sensing is effective, as it captures microscale deformations through densely arranged optical imaging sensors that detect subtle data variations. To enable continuous contact recognition, elastomers are crafted with curved surfaces to adjust to changes in the contact area. However, this design leads to uneven deformations, distorting tactile images and inaccurately reflecting the true elastomer deformations. This inconsistency considerably reduces the utility of the tactile data. In this work, we propose a cyclic fusion strategy for vision-based tactile sensing for precise contact data extraction and shape feature integration at the pixel level. Utilizing frequency domain fusion, the system merges topography as indicated by elastomer deformation, enhancing information content by over 40% and preserving structural consistency. Further, this system could effectively extract and summarize micro-scale contact features, using neural networks to achieve a detection mAP of 90.90% and classification accuracy of 99.83%. Using this strategy, the measurement minimizes data interference, accurately depicting object morphology on tactile images and enhancing tactile sensation restoration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google