May, 2023

使用高分辨率触觉传感器的基于 CNN 的物体识别方法

PDF
TL;DR本文介绍了一种基于高分辨率压力传感器和卷积神经网络的两种方法，对接触对象进行分类。这些方法包括利用预训练的卷积神经网络或使用自定义 CNN 进行分类，并测试了 11 个配置的性能表现，提供了与当前触觉对象识别技术的比较讨论。
high-resolution pressure-sensor arrayscomputer vision algorithmsconvolutional neural networkstactile sensorobject recognition
发现论文，激发创造
  • 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

  • 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

  • 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

  • 机器触觉的关注：鲁棒的模拟到实际触觉控制中的触觉显著性预测

    在未知干扰环境中，通过提出触觉显著性预测方法，可以提高机器人对触觉的鲁棒控制，并精确预测真实触觉图像中的目标特征。

    Jul, 2023

  • 多模态几何学习用于抓取和操作

    本文提出使用 3D 卷积神经网络结构，融合深度学习和触觉信息来生成可用于机器人操作的丰富准确的三维模型，并通过实验证明，在几何推理方面具有优越性。

    Mar, 2018

  • 透明物体复杂背景下的视觉 - 触觉融合抓取

    本论文提出了一个适用于复杂背景和光线条件下透明对象抓取的视触融合框架，包括抓取位置检测、触觉校准和基于视触融合的分类。该框架综合了视觉和触觉的优势，极大地提高了透明对象的抓取效率。

    Nov, 2022

  • 透过皮肤看世界：利用新型视触感传感器识别物体

    本文介绍一种新的基于视觉的传感器，并结合高分辨率触觉发射，以统一的硬件和计算体系结构进行处理；该传感器在多模式物体识别和计量方面表现出良好效果，并且在触觉和视觉领域上具有重要的物理含义，数据验证了其能力可以从深度学习视觉和触觉结合的角度对家庭物品进行分类，识别细节纹理并推断其物理属性。

    Nov, 2020

  • 手持物品重建的视觉触觉感知

    本研究提出了一种基于 DIGIT 触觉传感器的视触对象重建框架 VTacO，并将其扩展到手 - 物体重建的 VTacOH，并通过 VT-Sim 模拟环境生成了大规模的训练数据集进行评估，展示了其在刚性和不可变形物体重建上具有优异的表现。

    Mar, 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

  • PressureVision: 从单个 RGB 图像估计手的压力

    使用深度模型，基于 RGB 相机的人手外观变化来推断手压力，这种方法不需要使用压力传感器，并且可以推断出新正确性的人手压力数据。

    Mar, 2022