MMAug, 2021

弹性触觉模拟：实现触觉 - 视觉感知

PDF
TL;DR本文提出了一种基于粒子团块的弹性交互（EIP）模型，可用于仿真触觉。同时，我们还提出了一种感知网络，通过视觉图像与触觉数据之间的信息融合，实现对仿真触觉的感知，从而在三维几何重建任务中展现出卓越的性能。
tactile sensingrobotic perceptiontactile simulationelastic interaction of particlestactile-visual perception network
发现论文，激发创造
  • 接触筛选：零件匹配的交互式触觉感知

    本文章提出了一种使用基于视觉的触觉传感器进行交互式感知的方法，其中训练了一个深度神经网络来预测任意形状的零件的概率对应关系，并设计了一个粒子滤波器来优化感知任务并提高机器人操作的效率。

    Mar, 2023

  • 基于物理渲染的基于视觉的触觉传感器模拟

    本文介绍了使用基于物理渲染技术的全面一般的光学触觉模拟系统，实现了高质量的图像相似度度量，其开源代码和实验数据均可在此 https URL 获得。

    Dec, 2020

  • 多模态生成模型学习直觉物理学

    本文提出了一种感知框架，通过融合视觉和触觉反馈来预测动态场景中物体的运动，该框架利用一种新型的 STS 传感器来捕捉物体的视觉外观和触觉特性，利用多模态 VAE 将两种模态结合起来，可以推断未来物理交互的结果。

    Jan, 2021

  • 结合视觉和触觉感知进行视频预测

    本论文探究将触觉感应应用于物理机器人相互作用的视频预测模型，结果表明增加触觉反馈有助于提高场景预测准确性和增强机器人在物理相互作用过程中的感知和理解能力。

    Apr, 2023

  • 基于视觉与触觉印记学习生成三维网格

    本文利用基于视觉的触觉传感器来综合材料的体积网格，并通过图形神经网络学习图像至网格的映射来将其应用在机器人抓取和操作中。在合成图像和真实图像的基础上，介绍了一种自监督的适应方法和图像增强技术，使得该方法可以在不同的情境下准确地重构真实世界触觉传感器弹性体的变形。

    Mar, 2022

  • 基于 LSTM 的触感和动觉信息对象识别的贝叶斯和神经推理

    本研究提出了一种基于多模态对象识别的分析和数据驱动的方法，利用具有高分辨率触觉传感器的三指驱动夹爪进行压缩和释放探索过程（EPs），采集手指关节上的角度传感器获取触觉图像和动觉信息，然后，利用 LSTM 神经网络进行分类，最后通过贝叶斯和神经推理方法融合，对 36 种物体进行测试，结果表明贝叶斯分类器提高了物体识别能力并优于神经网络分类器。

    Jun, 2023

  • RoboPack: 学习基于触觉信息的密集装箱动力学模型

    利用视触知觉感知和深度学习的方法来进行机器人操作，其中结合了视触反馈，通过学习神经网络模型进行物体状态估计和未来状态预测。通过使用真实世界的数据进行训练，该模型可以在在线适应中进行触觉信息驱动的预测，具有较强的有效性。

    Jul, 2024

  • 触觉操纵：基于深度预测模型的触控控制

    本文中，我们提出了一种深度触觉模型预测的方法，结合高分辨率触觉传感器，通过无监督自主交互生成模型以从原始触觉传感器输入进行学习，并将学习到的模型用于将物体重新定位到用户指定的配置，从而实现非握持操作的触觉控制。

    Mar, 2019

  • 机器人事件驱动的视觉和触觉感知与学习

    本文介绍了一个基于事件触觉感测器和多模式脉冲神经网络的事件驱动的视觉触觉感知系统，评估了其在两个机器人任务上的表现，并提供了可用于其他研究的数据集。

    Sep, 2020

  • 基于视觉和触觉数据的触觉理解深度学习

    本文提出了一种方法，通过视觉和物理交互数据分类表面，以使机器人更好地了解物体的触觉特性；通过统一学习物理交互和视觉观察特征的方法，使用深度神经网络模型实现更准确的触觉分类。

    Nov, 2015