Grasping Force Estimation for Markerless Visuotactile Sensors

要約

触覚センサーはこれまで力の推定に使用されてきましたが、特に視覚ベースの触覚センサー (VBTS) は、その高い空間分解能と低コストにより、最近新しいトレンドとなっています。
この研究では、VBTS から得られるさまざまなタイプのマーカーレス視覚触覚表現を使用して通常の握力を推定するいくつかのアプローチを設計および実装しました。
私たちの主な目標は、ロボットによる把握タスク中のパフォーマンス分析に基づいて、最も適切な視覚触覚表現を決定することです。
私たちの提案は、DIGIT センサーで生成されたデータセットと、別の最先端の研究から GelSight Mini センサーを使用して取得されたデータセットでテストされました。
また、RGBmod と呼ばれる最良のアプローチの一般化機能もテストしました。
その結果、2 つの主な結論が得られました。
まず、RGB 視覚触覚表現は、通常の握力を推定する場合、深度画像または 2 つの組み合わせよりも優れた入力オプションです。
次に、RGBmod は、現実世界のシナリオで 10 個の目に見えない日常の物体でテストした場合に良好なパフォーマンスを達成し、平均相対誤差 0.125 +- 0.153 を達成しました。
さらに、私たちの提案は、同じタスクに RGB と深度情報を使用する文献内の他の研究よりも優れていることを示します。

要約(オリジナル)

Tactile sensors have been used for force estimation in the past, especially Vision-Based Tactile Sensors (VBTS) have recently become a new trend due to their high spatial resolution and low cost. In this work, we have designed and implemented several approaches to estimate the normal grasping force using different types of markerless visuotactile representations obtained from VBTS. Our main goal is to determine the most appropriate visuotactile representation, based on a performance analysis during robotic grasping tasks. Our proposal has been tested on the dataset generated with our DIGIT sensors and another one obtained using GelSight Mini sensors from another state-of-the-art work. We have also tested the generalization capabilities of our best approach, called RGBmod. The results led to two main conclusions. First, the RGB visuotactile representation is a better input option than the depth image or a combination of the two for estimating normal grasping forces. Second, RGBmod achieved a good performance when tested on 10 unseen everyday objects in real-world scenarios, achieving an average relative error of 0.125 +- 0.153. Furthermore, we show that our proposal outperforms other works in the literature that use RGB and depth information for the same task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google