Data-efficient Tactile Sensing with Electrical Impedance Tomography

要約

電気インピーダンス断層撮影 (EIT) にヒントを得た触覚センサーは、まばらな電極構成による費用対効果、安全性、および拡張性により、ロボットの触覚センシングで注目を集めています。
この論文では、元の単一フレーム信号測定をトレーニング用の 32 個の個別の効果的な信号データに増幅する、学習ベースの触覚再構成のためのデータ拡張戦略を紹介します。
このアプローチにより、収集されていない位置情報の状態が補完され、より正確で高解像度の触覚の再構成が可能になります。
EIT のデータ拡張により、必要な EIT 測定が大幅に削減され、限られたサンプルでも有望なパフォーマンスが達成されます。
シミュレーション結果は、提案された方法がさまざまなノイズレベルの下で相関係数を12%以上改善し、相対誤差を21%以上削減することを示しています。
さらに、提案されたデータ拡張を利用した標準ディープ ニューラル ネットワーク (DNN) が、同様の触覚再現品質を達成しながら、必要なデータを 1/31 に削減することを実証します。
実世界のテストでは、柔軟な EIT ベースの触覚センサーに対するアプローチの有効性がさらに検証されます。
これらの結果は、限られた利用可能な測定値で触覚センシング ネットワークをトレーニングするという課題に対処し、EIT ベースの触覚センシング システムの精度と適用性を向上させるのに役立つ可能性があります。

要約(オリジナル)

Electrical Impedance Tomography (EIT)-inspired tactile sensors are gaining attention in robotic tactile sensing due to their cost-effectiveness, safety, and scalability with sparse electrode configurations. This paper presents a data augmentation strategy for learning-based tactile reconstruction that amplifies the original single-frame signal measurement into 32 distinct, effective signal data for training. This approach supplements uncollected conditions of position information, resulting in more accurate and high-resolution tactile reconstructions. Data augmentation for EIT significantly reduces the required EIT measurements and achieves promising performance with even limited samples. Simulation results show that the proposed method improves the correlation coefficient by over 12% and reduces the relative error by over 21% under various noise levels. Furthermore, we demonstrate that a standard deep neural network (DNN) utilizing the proposed data augmentation reduces the required data down to 1/31 while achieving a similar tactile reconstruction quality. Real-world tests further validate the approach’s effectiveness on a flexible EIT-based tactile sensor. These results could help address the challenge of training tactile sensing networks with limited available measurements, improving the accuracy and applicability of EIT-based tactile sensing systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google