Learning Force Distribution Estimation for the GelSight Mini Optical Tactile Sensor Based on Finite Element Analysis

要約

連絡先が豊富な操作は、ロボット工学における大きな課題のままです。
Gelsish Miniのような光学触覚センサーは、シリコンゲルの軟体変形をキャプチャすることにより、接触センシングのための低コストのソリューションを提供します。
ただし、これらのゲル変形からのせん断および正常な力分布を正確に推測していることは、まだ完全に対処されていません。
この作業では、U-NETアーキテクチャを使用して機械学習アプローチを提案して、センサーの生画像から直接力分布を予測します。
有限要素分析（FEA）から推測される力分布で訓練されたモデルは、市販のGelsishミニセンサーの正常およびせん断力分布の予測において有望な精度を示しています。
また、インデント全体の一般化、同じタイプのセンサー、およびリアルタイムアプリケーションを有効にする可能性を示しています。
コードベース、データセット、モデルはオープンソースで、https：//feats-ai.github.ioで入手できます。

要約(オリジナル)

Contact-rich manipulation remains a major challenge in robotics. Optical tactile sensors like GelSight Mini offer a low-cost solution for contact sensing by capturing soft-body deformations of the silicone gel. However, accurately inferring shear and normal force distributions from these gel deformations has yet to be fully addressed. In this work, we propose a machine learning approach using a U-net architecture to predict force distributions directly from the sensor’s raw images. Our model, trained on force distributions inferred from Finite Element Analysis (FEA), demonstrates promising accuracy in predicting normal and shear force distributions for the commercially available GelSight Mini sensor. It also shows potential for generalization across indenters, sensors of the same type, and for enabling real-time application. The codebase, dataset and models are open-sourced and available at https://feats-ai.github.io .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google