Enhancing Regrasping Efficiency Using Prior Grasping Perceptions with Soft Fingertips

要約

特にツールや積み重ねられたアイテムを処理する場合、異なる姿勢で同じオブジェクトを把握することがしばしば必要です。
不明なオブジェクトの特性と把握姿勢の変化により、必要な把握力は不確実で変動します。
従来の方法は、滑りやダメージを防ぐことを目指して、滑らかな力を慎重に制御するためにリアルタイムのフィードバックに依存しています。
しかし、彼らは最初の把握から再利用可能な情報を見落とし、その後の再生試みを最初のものであるかのように扱い、効率を大幅に低下させます。
これを改善するために、ポジションの変化があっても、必要な把握力を予測するための以前の把握試みからの知覚を利用する方法を提案します。
また、指先の柔らかさとオブジェクトの非対称性を説明する計算方法も紹介します。
理論分析は、単一の把握後にさまざまな姿勢で握る力を予測する可能性を示しています。
実験的検証は、予測方法の精度と適応性を証明しています。
さらに、結果は、予測された握る力をフィードバックベースのアプローチに組み込むことで、さまざまな日常のオブジェクトにわたって把握効率を大幅に向上させることを示しています。

要約(オリジナル)

Grasping the same object in different postures is often necessary, especially when handling tools or stacked items. Due to unknown object properties and changes in grasping posture, the required grasping force is uncertain and variable. Traditional methods rely on real-time feedback to control the grasping force cautiously, aiming to prevent slipping or damage. However, they overlook reusable information from the initial grasp, treating subsequent regrasping attempts as if they were the first, which significantly reduces efficiency. To improve this, we propose a method that utilizes perception from prior grasping attempts to predict the required grasping force, even with changes in position. We also introduce a calculation method that accounts for fingertip softness and object asymmetry. Theoretical analyses demonstrate the feasibility of predicting grasping forces across various postures after a single grasp. Experimental verifications attest to the accuracy and adaptability of our prediction method. Furthermore, results show that incorporating the predicted grasping force into feedback-based approaches significantly enhances grasping efficiency across a range of everyday objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google