AnySkin: Plug-and-play Skin Sensing for Robotic Touch

要約

触覚センシングは重要かつ有用なセンシングモダリティとして広く受け入れられていますが、その用途は視覚や固有受容などの他の感覚モダリティと比較すると見劣りします。
AnySkin は、触覚センシングの使用を妨げる重大な課題、つまり汎用性、交換可能性、データの再利用性に対処します。
ReSkin のシンプルな設計を基にし、センシング 電子機器をセンシング インターフェイスから切り離すことで、AnySkin は統合を簡素化し、電話ケースを装着して充電器を接続するのと同じくらい簡単に統合できます。
さらに、AnySkin は、学習された操作ポリシーのクロスインスタンス汎用性を備えた初の未校正触覚センサーです。
要約すると、この研究は 3 つの重要な貢献をします。まず、接着剤を使用せず、耐久性があり、簡単に交換可能な磁気触覚センサーを作成するための合理化された製造プロセスと設計ツールを導入します。
次に、AnySkin センサーを使用したスリップ検出とポリシー学習を特徴付けます。
3 番目に、AnySkin の 1 つのインスタンスでトレーニングされたモデルを新しいインスタンスにゼロショット一般化することを実証し、DIGIT や ReSkin などの人気のある既存の触覚ソリューションと比較します。
実験、製造の詳細、設計ファイルのビデオは https://any-skin.github.io/ でご覧いただけます。

要約(オリジナル)

While tactile sensing is widely accepted as an important and useful sensing modality, its use pales in comparison to other sensory modalities like vision and proprioception. AnySkin addresses the critical challenges that impede the use of tactile sensing — versatility, replaceability, and data reusability. Building on the simplistic design of ReSkin, and decoupling the sensing electronics from the sensing interface, AnySkin simplifies integration making it as straightforward as putting on a phone case and connecting a charger. Furthermore, AnySkin is the first uncalibrated tactile-sensor with cross-instance generalizability of learned manipulation policies. To summarize, this work makes three key contributions: first, we introduce a streamlined fabrication process and a design tool for creating an adhesive-free, durable and easily replaceable magnetic tactile sensor; second, we characterize slip detection and policy learning with the AnySkin sensor; and third, we demonstrate zero-shot generalization of models trained on one instance of AnySkin to new instances, and compare it with popular existing tactile solutions like DIGIT and ReSkin. Videos of experiments, fabrication details and design files can be found on https://any-skin.github.io/

arxiv情報

著者 Raunaq Bhirangi,Venkatesh Pattabiraman,Enes Erciyes,Yifeng Cao,Tess Hellebrekers,Lerrel Pinto
発行日 2024-09-27 16:09:13+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.RO パーマリンク