Learning Decoupled Multi-touch Force Estimation, Localization and Stretch for Soft Capacitive E-skin

要約

複数の空間的に分散された刺激を検出できる分散型センサー アレイは、外受容および固有受容ソフト ロボットの実現における重要な要素と見なされます。
このペーパーでは、ソフト容量性 e スキンが経験する全体的なストレッチを使用して、全体的な変形から圧力の測定値とローカル インデントの位置を分離するという以前に提示されたアイデアを拡張します。
機械学習手法を使用して、これらの高度に結合された変形刺激を分離および予測し、ソフト センサー e スキンからデータを収集し、それを線形リグレッサー、ガウス プロセス リグレッサー、SVM、およびストレッチ用のランダム フォレスト分類器で構成される機械学習システムに供給しました。
それぞれ、力、検出、ローカリゼーション。
また、2 つの力が同時に適用されたときに、局在化と力がどのように影響を受けるかについても調べました。
適切に選択された機械学習技術によって支援されるソフト センサー アレイは、ソフト ロボットのマルチモーダル刺激を解読できる e スキンへの道を開くことができます。

要約(オリジナル)

Distributed sensor arrays capable of detecting multiple spatially distributed stimuli are considered an important element in the realisation of exteroceptive and proprioceptive soft robots. This paper expands upon the previously presented idea of decoupling the measurements of pressure and location of a local indentation from global deformation, using the overall stretch experienced by a soft capacitive e-skin. We employed machine learning methods to decouple and predict these highly coupled deformation stimuli, collecting data from a soft sensor e-skin which was then fed to a machine learning system comprising of linear regressor, gaussian process regressor, SVM and random forest classifier for stretch, force, detection and localisation respectively. We also studied how the localisation and forces are affected when two forces are applied simultaneously. Soft sensor arrays aided by appropriately chosen machine learning techniques can pave the way to e-skins capable of deciphering multi-modal stimuli in soft robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google