Open-Set Object Recognition Using Mechanical Properties During Interaction

要約

触覚ロボットの多くはクローズセット条件下で動作するが、テスト対象がロボットの知識を超えるオープンセット条件下で動作することは困難である。我々は、既知の物体を再認識し、新しい物体に漸進的にラベル付けするために、機械的特性を利用したオープンセット認識フレームワークを提案した。主な貢献は、クラスタリングアルゴリズムであり、ランダムにクラスタを選択する典型的なアルゴリズムとは異なり、クラスタの中心とサイズを推定するために既知のオブジェクトの知識を利用する。このフレームワークを、実オブジェクトから推定した機械的特性を用いて検証した。その結果、このフレームワークは、新奇性検出器によって寄与される代替手法よりも物体を認識できることが示された。重要なことに、我々のクラスタリングアルゴリズムは、他の手法よりも優れたクラスタリング性能をもたらす。さらに、ハイパーパラメータの研究により、クラスタサイズはクラスタリング結果にとって重要であり、適切に調整する必要があることが示された。

要約(オリジナル)

while most of the tactile robots are operated in close-set conditions, it is challenging for them to operate in open-set conditions where test objects are beyond the robots’ knowledge. We proposed an open-set recognition framework using mechanical properties to recongise known objects and incrementally label novel objects. The main contribution is a clustering algorithm that exploits knowledge of known objects to estimate cluster centre and sizes, unlike a typical algorithm that randomly selects them. The framework is validated with the mechanical properties estimated from a real object during interaction. The results show that the framework could recognise objects better than alternative methods contributed by the novelty detector. Importantly, our clustering algorithm yields better clustering performance than other methods. Furthermore, the hyperparameters studies show that cluster size is important to clustering results and needed to be tuned properly.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL