Towards Assessing Compliant Robotic Grasping from First-Object Perspective via Instrumented Objects

要約

ロボットにとって、準拠した物体を掴むのは困難です。加える力が小さすぎると掴みが失敗する可能性があり、力が大きすぎると物体の損傷につながる可能性があります。
ロボットが必要なタスクを実行できるように、ロボットは適切な量の力を加えて物体を素早く確実に把握する必要があります。
この問題に取り組むためにいくつかの方法が提案されていますが、物体の特性変化や起こり得る損傷を直接測定するための性能評価は依然として問題です。
このギャップを埋めるために、この論文では、計測されたオブジェクトを使用して準拠したロボットによる把握を評価するための新しい概念が導入されています。
概念実証設計は、最初のオブジェクトの観点から直方体オブジェクトに加えられる力を測定するために提案されています。
この設計では、複数の埋め込み 3D ホール センサーを使用して埋め込み磁石に対する変形を検出することにより、複数の接触位置とその表面に加えられた力を検出できます。
接触推定は、ニューラル ネットワークを使用してホール効果信号を解釈することによって実現されます。
包括的な実験では、この設計は、直方体の各単一面からの接触を推定する際に優れた性能を達成し、平行ジョーグリッパーからの把握を評価するために使用した場合に複数の面からの接触を検出する際に適切な性能を達成し、設計の有効性と実現可能性を実証しました。
コンセプト。

要約(オリジナル)

Grasping compliant objects is difficult for robots — applying too little force may cause the grasp to fail, while too much force may lead to object damage. A robot needs to apply the right amount of force to quickly and confidently grasp the objects so that it can perform the required task. Although some methods have been proposed to tackle this issue, performance assessment is still a problem for directly measuring object property changes and possible damage. To fill the gap, a new concept is introduced in this paper to assess compliant robotic grasping using instrumented objects. A proof-of-concept design is proposed to measure the force applied on a cuboid object from a first-object perspective. The design can detect multiple contact locations and applied forces on its surface by using multiple embedded 3D Hall sensors to detect deformation relative to embedded magnets. The contact estimation is achieved by interpreting the Hall-effect signals using neural networks. In comprehensive experiments, the design achieved good performance in estimating contacts from each single face of the cuboid and decent performance in detecting contacts from multiple faces when being used to evaluate grasping from a parallel jaw gripper, demonstrating the effectiveness of the design and the feasibility of the concept.

arxiv情報

著者 Maceon Knopke,Liguo Zhu,Peter Corke,Fangyi Zhang
発行日 2023-12-22 06:37:45+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク