Object Classification Utilizing Neuromorphic Proprioceptive Signals in Active Exploration: Validated on a Soft Anthropomorphic Hand

要約

触覚の知覚における重要な感覚モダリティである固有受容は、身体部分の位置と動きに関するフィードバックを提供することにより、オブジェクトの3D構造を知覚する上で重要な役割を果たします。
固有受容感の回復は、補綴手での手の操作と自然な制御を可能にするために重要です。
その重要性にもかかわらず、固有受容感は人工システムで比較的未開拓です。
この作業では、柔らかい擬人化ロボットハンド（QBソフランド）を柔軟な固有受容センサーと統合する新しいプラットフォームと、さまざまなタイプのスパイクニューロンを使用して、生物学的筋肉の筋膜モデルに囲まれたニューロンのスパイクニューロンを使用してニューロンを使用してニューロンを使用して解釈する分類器を紹介します。
エンコードスキームと分類器は、YCBベンチマークから10個のオブジェクトのアクティブな探索で収集したデータセットで実装およびテストされます。
我々の結果は、特に探査の初期段階で、分類器が既存の学習アプローチよりも正確な推論を達成することを示しています。
このシステムは、触覚フィードバックと神経補綴の分野での発達の可能性を秘めています。

要約(オリジナル)

Proprioception, a key sensory modality in haptic perception, plays a vital role in perceiving the 3D structure of objects by providing feedback on the position and movement of body parts. The restoration of proprioceptive sensation is crucial for enabling in-hand manipulation and natural control in the prosthetic hand. Despite its importance, proprioceptive sensation is relatively unexplored in an artificial system. In this work, we introduce a novel platform that integrates a soft anthropomorphic robot hand (QB SoftHand) with flexible proprioceptive sensors and a classifier that utilizes a hybrid spiking neural network with different types of spiking neurons to interpret neuromorphic proprioceptive signals encoded by a biological muscle spindle model. The encoding scheme and the classifier are implemented and tested on the datasets we collected in the active exploration of ten objects from the YCB benchmark. Our results indicate that the classifier achieves more accurate inferences than existing learning approaches, especially in the early stage of the exploration. This system holds the potential for development in the areas of haptic feedback and neural prosthetics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google