Soft Finger Grasp Force and Contact State Estimation from Tactile Sensors

要約

柔らかいロボットの指は、物体や環境との接触における幾何学的変化を補い、把握や操作の適応性を向上させることができますが、今日では力の能力や細かい器用さが不足しています。
統合された触覚センサーは、手先の器用さを向上させることができる把握情報とタスク情報を提供できますが、理想的にはオブジェクト固有のトレーニングを必要としないはずです。
指によって加えられる力のベクトルの合計は、内部の把握力 (例: 把握の安定性) に一般的な情報を提供し、指全体で合計されると、把握された物体に作用する外力の推定値 (例: タスク レベルの制御) を提供します。
この研究では、統合されたソフトセンサーから指の力を推定する有効性を調査し、それを接触状態の推定に使用します。
力回帰にはニューラル ネットワークを使用し、力/トルク センサーとさまざまなテスト オブジェクトでラベル付きデータを収集します。
次に、このモデルをプラグイン タスク シナリオに適用し、接触状態の推定におけるその有効性を実証します。

要約(オリジナル)

Soft robotic fingers can improve adaptability in grasping and manipulation, compensating for geometric variation in object or environmental contact, but today lack force capacity and fine dexterity. Integrated tactile sensors can provide grasp and task information which can improve dexterity,but should ideally not require object-specific training. The total force vector exerted by a finger provides general information to the internal grasp forces (e.g. for grasp stability) and, when summed over fingers, an estimate of the external force acting on the grasped object (e.g. for task-level control). In this study, we investigate the efficacy of estimating finger force from integrated soft sensors and use it to estimate contact states. We use a neural network for force regression, collecting labelled data with a force/torque sensor and a range of test objects. Subsequently, we apply this model in a plug-in task scenario and demonstrate its validity in estimating contact states.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google