A model-free approach to fingertip slip and disturbance detection for grasp stability inference

要約

物体を操作するロボットの能力は人間の能力とは比較になりません。
人間は長年にわたる学習に加えて、環境との物理的な相互作用から得られる豊富な情報に大きく依存しています。
特に、触覚センシングは、このような豊富なフィードバックを提供するために重要です。
ロボット操作への潜在的な貢献にもかかわらず、触覚センシングはあまり活用されていません。
これは主に、触覚センサーによって提供される時系列の複雑さによるものです。
この研究では、触覚センシングを使用して握力の安定性を評価する方法を提案します。
より具体的には、タスク関連の特徴を抽出し、個々の指先に関する物体の滑りを検出するための効率的な分類器を設計する方法論を提案します。
サポート ベクター マシンとロジスティック回帰という 2 つの分類モデルを比較します。
私たちは、Allegro ハンドに取り付けられた高感度 Uskin 触覚センサーを使用して、メソッドをテストおよび検証します。
我々の結果は、提案手法がオンライン形式での滑り検出に有効であることを示しています。

要約(オリジナル)

Robotic capacities in object manipulation are incomparable to those of humans. Besides years of learning, humans rely heavily on the richness of information from physical interaction with the environment. In particular, tactile sensing is crucial in providing such rich feedback. Despite its potential contributions to robotic manipulation, tactile sensing is less exploited; mainly due to the complexity of the time series provided by tactile sensors. In this work, we propose a method for assessing grasp stability using tactile sensing. More specifically, we propose a methodology to extract task-relevant features and design efficient classifiers to detect object slippage with respect to individual fingertips. We compare two classification models: support vector machine and logistic regression. We use highly sensitive Uskin tactile sensors mounted on an Allegro hand to test and validate our method. Our results demonstrate that the proposed method is effective in slippage detection in an online fashion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google