Mar, 2022

TANDEM: 使用触觉传感器学习联合探索和决策制定

PDF
TL;DR该研究提出一种名为 TANDEM 的框架，通过协同训练的探索和判断模块，实现机器人通过触觉信息进行目标识别任务，具有更高的准确性和更强的鲁棒性。
tactile sensingexploration strategiesdecision makingrobotic manipulationobject recognition
发现论文，激发创造
  • TANDEM3D：用于 3D 物体识别的主动触觉探测

    本文提出了一种基于 co-training 框架和 PointNet++ 的 TANDEM3D 三维物体触觉识别方法，在模拟环境中进行训练并在真实世界实验中进行验证，相比现有基准，TANDEM3D 在 3D 物体识别方面具有更高的准确度和更低的动作次数，并且对不同类型和数量的传感器噪声更加鲁棒。

    Sep, 2022

  • DexTouch：学习使用触觉灵巧性寻找和操纵物体

    通过使用触觉传感器而无需依赖视觉信息，我们介绍了一个多指机器人系统，用于搜索和操纵随机位置的目标物体，并在模拟环境中训练和转移政策，证明了使用触觉传感器进行物体搜索和操纵任务的可行性，以实现赋予机器人类似人类触觉能力的目标。

    Jan, 2024

  • 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

  • AcTExplore：未知物体上的主动触觉探索

    利用强化学习驱动的主动触觉探索方法，通过有限步骤对物体进行重新构建，从而更好地理解物体结构并获取三维形状的表示，为机器人抓取和操作等基础任务提供有效的解决方案。

    Oct, 2023

  • 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

  • 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

  • 看得见，触得到：通过视觉激励学习触觉灵巧度

    通过利用视觉奖励来优化敏感性策略的触觉适应 (TAVI) 框架，通过在线强化学习，在多指机器人上取得了可观的成功率，提高了性能。

    Sep, 2023

  • 机器人共感：视触感知下的手部操纵

    使用视觉和触觉感知输入实现灵巧的手中操作是一项具有挑战性的任务，本文提出了一种基于点云的触觉表示方法 Robot Synesthesia，该方法通过同时无缝地整合视觉和触觉输入，提供更丰富的空间信息，有助于更好地推理机器人动作，通过在模拟环境中训练并应用于真实机器人，可适用于各种手中物体旋转任务，并通过综合消融实验验证了视觉和触觉的整合如何改善强化学习和实验到真实场景的性能。

    Dec, 2023

  • TactoFind：一种仅基于触觉的物体检索系统

    本文研究了在视觉感知缺失，对象形状未知且对象可以自由运动的场景下的物体检索问题，提出了一种使用触觉反馈进行定位、识别和抓取新对象的系统。

    Mar, 2023

  • 从触觉到灵巧：机器人娱乐中基于自监督的触觉表示预训练

    本研究提出了一种新的基于触觉的灵巧性方法，即 T-Dex，通过两个阶段的操作，采集游戏数据训练自监督触觉编码器，并结合视觉数据学习非参数策略，结果表明，在五个挑战灵巧任务中，该方法平均优于只采用视觉或扭矩的模型高达 1.7 倍。

    Mar, 2023