要約
粒状物質内の物体の近接認識は、特に掃海などの用途では重要です。
しかし、粒子の不透明性と複雑な特性により、既存の近接センサーは高度なハードウェアによる高コストと、直感的でない結果によるユーザーの高コストに悩まされています。
この論文では、センサーと顆粒の相互作用の触覚フィードバックに基づいた、地下物質に対するシンプルかつ効果的な近接センシングシステムを提案します。
私たちは、粒子のユニークな特性である破壊ウェッジゾーンを研究および採用し、機械学習手法であるガウス過程回帰を組み合わせて、物体の近接によって誘発される力信号の変化を特定し、近接場知覚を実現します。
さらに、広範囲の知覚のために顆粒内を探索するプローブを制御するための新しい軌道を設計します。
また、当社の近接センシング システムは、さまざまな粒子でのロバスト性動作のための最適なパラメータを適応的に決定できます。
実験により、私たちのシステムはさまざまな物質の中で0.5〜7 cmを超える地下の物体を事前に認識できることが実証されました。
要約(オリジナル)
The proximity perception of objects in granular materials is significant, especially for applications like minesweeping. However, due to particles’ opacity and complex properties, existing proximity sensors suffer from high costs from sophisticated hardware and high user-cost from unintuitive results. In this paper, we propose a simple yet effective proximity sensing system for underground stuff based on the haptic feedback of the sensor-granules interaction. We study and employ the unique characteristic of particles — failure wedge zone, and combine the machine learning method — Gaussian process regression, to identify the force signal changes induced by the proximity of objects, so as to achieve near-field perception. Furthermore, we design a novel trajectory to control the probe searching in granules for a wide range of perception. Also, our proximity sensing system can adaptively determine optimal parameters for robustness operation in different particles. Experiments demonstrate our system can perceive underground objects over 0.5 to 7 cm in advance among various materials.
arxiv情報
| 著者 | Zeqing Zhang,Ruixing Jia,Youcan Yan,Ruihua Han,Shijie Lin,Qian Jiang,Liangjun Zhang,Jia Pan |
| 発行日 | 2024-11-26 03:44:59+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google