Slip Detection and Surface Prediction Through Bio-Inspired Tactile Feedback

要約

高解像度の触覚センシングは、自律移動ロボット工学、特に脚式ロボットにおいて大きな可能性を秘めています。
大きな可能性を秘めている特定の分野の 1 つは、挑戦的で変化に富んだ地形の横断です。
環境が滑りやすいか、柔らかいか、硬いか、乾燥しているかに応じて、ロボットはそれに応じて移動方法を適応させる必要があります。
現在、Boston Dynamic の Spot ロボットなどの多くの多脚ロボットは、さまざまな表面タイプに合わせてあらかじめ設定された歩行を備えていますが、表面タイプが頻繁に変化する地形では困難を伴います。
環境内の変化を自動的に検出できれば、人間のユーザーが表面の種類の変更を手動で設定する必要がなく、ロボットが状況に合わせて移動方法を自律的に調整できるようになります。
この論文では、この種の表面状態の自動検出への適合性をテストするために、特定の生体からインスピレーションを得た触覚センサーである TacTip の特性を初めて詳細に調査したことについて報告します。
私たちは、データ収集にカスタムメイドのリグを使用して、さまざまな処理技術と回帰モデルを調査し、ロボットがさまざまな条件下でセンサーにかかる方向性と全体的な力をどのように感知できるかを判断しました。
これにより、センサーを使用して柔らかい表面、硬い表面、乾燥した表面、および (濡れた) 滑りやすい表面を区別する方法を実証することができました。
さらに、特定の表面テクスチャを分類するためのニューラル モデルを調査しました。
ピンの動き (センサー内の光学マーカーの動き) がこの情報を感知する鍵であり、すべてのモデルは何らかの形式の時間情報に依存していました。
最終的にトレーニングされたモデルは、センサーが向かう方向、それに作用する力の量を正常に決定し、レゴと滑らかな硬い表面、またはコンクリートと滑らかな硬い表面などの表面テクスチャの違いを判断することができました。

要約(オリジナル)

High resolution tactile sensing has great potential in autonomous mobile robotics, particularly for legged robots. One particular area where it has significant promise is the traversal of challenging, varied terrain. Depending on whether an environment is slippery, soft, hard or dry, a robot must adapt its method of locomotion accordingly. Currently many multi-legged robots, such as Boston Dynamic’s Spot robot, have preset gaits for different surface types, but struggle over terrains where the surface type changes frequently. Being able to automatically detect changes within an environment would allow a robot to autonomously adjust its method of locomotion to better suit conditions, without requiring a human user to manually set the change in surface type. In this paper we report on the first detailed investigation of the properties of a particular bio-inspired tactile sensor, the TacTip, to test its suitability for this kind of automatic detection of surface conditions. We explored different processing techniques and a regression model, using a custom made rig for data collection to determine how a robot could sense directional and general force on the sensor in a variety of conditions. This allowed us to successfully demonstrate how the sensor can be used to distinguish between soft, hard, dry and (wet) slippery surfaces. We further explored a neural model to classify specific surface textures. Pin movement (the movement of optical markers within the sensor) was key to sensing this information, and all models relied on some form of temporal information. Our final trained models could successfully determine the direction the sensor is heading in, the amount of force acting on it, and determine differences in the surface texture such as Lego vs smooth hard surface, or concrete vs smooth hard surface.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google