TiltXter: CNN-based Electro-tactile Rendering of Tilt Angle for Telemanipulation of Pasteur Pipettes

要約

変形可能な物体の形状は、ロボット グリッパーによる把握中に大幅に変化する可能性があり、その位置合わせの認識が曖昧になり、その結果、ロボットの位置決めや遠隔操作に誤差が生じます。
明確な触覚パターンのレンダリングは、遠隔操作中の触覚フィードバックを通じてユーザーの精度と器用さを向上させるための基本です。
したがって、センサーのデータを触覚刺激にデコードするには、さまざまな方法を研究する必要があります。
この研究では、2 本指の Robotiq グリッパーに埋め込まれた 2 つの電気刺激アレイと 2 つの触覚センサー アレイを備えた Force Dimension Omega.7 触覚インターフェイスで構成される、プラスチック ピペット用の遠隔操作システムを紹介します。
変形可能な物体の傾きを検出するための畳み込みニューラル ネットワーク (CNN) に基づく新しいアプローチを提案します。
CNN は、認識された傾斜データに基づいて触覚パターンを生成し、遠隔操作中にユーザーに提供されるさらなる電気触覚刺激をレンダリングします。
この研究では、CNN アルゴリズムを使用すると、ユーザーによる傾き認識がダウンサイズ データの 23.13% から 57.9% に増加し、遠隔操作の成功率が、ダウンサイズ データの 53.12% から、CNN アルゴリズムによって生成された触覚パターンを使用する 92.18% に増加したことが示されました。
CNN。

要約(オリジナル)

The shape of deformable objects can change drastically during grasping by robotic grippers, causing an ambiguous perception of their alignment and hence resulting in errors in robot positioning and telemanipulation. Rendering clear tactile patterns is fundamental to increasing users’ precision and dexterity through tactile haptic feedback during telemanipulation. Therefore, different methods have to be studied to decode the sensors’ data into haptic stimuli. This work presents a telemanipulation system for plastic pipettes that consists of a Force Dimension Omega.7 haptic interface endowed with two electro-stimulation arrays and two tactile sensor arrays embedded in the 2-finger Robotiq gripper. We propose a novel approach based on convolutional neural networks (CNN) to detect the tilt of deformable objects. The CNN generates a tactile pattern based on recognized tilt data to render further electro-tactile stimuli provided to the user during the telemanipulation. The study has shown that using the CNN algorithm, tilt recognition by users increased from 23.13\% with the downsized data to 57.9%, and the success rate during teleoperation increased from 53.12% using the downsized data to 92.18% using the tactile patterns generated by the CNN.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google