Single-grasp deformable object discrimination: the effect of gripper morphology, sensing modalities, and action parameters

要約

触覚物体識別では、グリッパーの実施形態、動作パラメータ、および感覚チャネルの影響は体系的に研究されていません。
2 つの擬人化された手と 2 つの 2 本指グリッパーを使用して、2 組の変形可能な物体をつかみました。
オブジェクト分類タスクに関しては、次のことがわかりました。(i) 分類器の中で、感覚特徴に関する SVM と生の時系列に関する LSTM がすべてのグリッパーにわたって最も優れたパフォーマンスを示しました。
(ii) 圧縮速度が速いとパフォーマンスが低下します。
(iii) 異なる把持構成への一般化は制限されていました。
異なる圧縮速度への転送は、Barrett Hand でのみうまく機能しました。
PCA を使用した特徴空間の視覚化により、グリッパーの形態と動作パラメータが変動の主な原因であり、実施形態またはグリップ構成全体にわたる一般化が非常に困難であることが示されました。
ポリウレタン フォームのみからなる非常に困難なデータセットで、優れたパフォーマンスを達成したのは Barrett Hand だけでした。
したがって、形状ではなく剛性に基づいて認識する場合でも、触覚センサーは重要な利点を提供できます。
24,000 件の測定値を含むデータセットは公開されています。

要約(オリジナル)

In haptic object discrimination, the effect of gripper embodiment, action parameters, and sensory channels has not been systematically studied. We used two anthropomorphic hands and two 2-finger grippers to grasp two sets of deformable objects. On the object classification task, we found: (i) among classifiers, SVM on sensory features and LSTM on raw time series performed best across all grippers; (ii) faster compression speeds degraded performance; (iii) generalization to different grasping configurations was limited; transfer to different compression speeds worked well for the Barrett Hand only. Visualization of the feature spaces using PCA showed that gripper morphology and action parameters were the main source of variance, making generalization across embodiment or grip configurations very difficult. On the highly challenging dataset consisting of polyurethane foams alone, only the Barrett Hand achieved excellent performance. Tactile sensors can thus provide a key advantage even if recognition is based on stiffness rather than shape. The data set with 24,000 measurements is publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google