Cyclic Fusion of Measuring Information in Curved Elastomer Contact via Vision-Based Tactile Sensing

要約

視覚ベースの触覚センサーは、光信号を介して物体データをエンコードし、高密度に配置された光学イメージングセンサーを通じてエラストマーを使用して微小スケールの変形を捕捉し、微妙なデータの変化を検出します。
継続的な接触認識を可能にするために、エラストマーは接触領域の変化に適応する曲面で作られています。
ただし、この設計では不均一な変形が生じ、触覚イメージが歪み、実際のエラストマーの変形が不正確に反映されます。
この研究では、ピクセルレベルでの正確な接触データ抽出と形状特徴統合のための視覚ベースの触覚センシングのための周期的融合戦略を提案します。
周波数領域融合を利用することで、システムはエラストマーの変形によって示される地形を統合し、情報内容を 8% 強化し、構造の一貫性を維持する際に地域情報の偏りを 20% 削減します。
さらに、このシステムは、マイクロスケールの接触特徴を効果的に抽出して要約することができ、ニューラルネットワークによる欠陥検出での誤った予測を 20% 削減し、表面深さの再構成で表面投影バイアスを 50% 削減することができます。
この戦略を使用すると、測定はデータ干渉を最小限に抑え、触覚画像上で物体の形態を正確に描写し、触感の回復を強化します。

要約(オリジナル)

Vision-based tactile sensors encode object data via optical signals, capturing microscale deformations using elastomer through densely arranged optical imaging sensors to detect subtle data variations. To enable continuous contact recognition, elastomers are crafted with curved surfaces to adjust to changes in the contact area. However, this design leads to uneven deformations, distorting tactile images and inaccurately reflecting the true elastomer deformations. In this work, we propose a cyclic fusion strategy for vision-based tactile sensing for precise contact data extraction and shape feature integration at the pixel level. Utilizing frequency domain fusion, the system merges topography as indicated by elastomer deformation, enhancing information content by 8%, and regional information bias is reduced by 20% when preserving structural consistency. Further, this system could effectively extract and summarize micro-scale contact features, decreasing erroneous predictions by 20% in defect detection via neural networks and reducing surface projection bias by 50% in surface depth reconstruction. Using this strategy, the measurement minimizes data interference, accurately depicting object morphology on tactile images and enhancing tactile sensation restoration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google