觸覺感應(yīng)對(duì)于機(jī)器人操作應(yīng)用很重要。在這里，遮擋對(duì)準(zhǔn)確的對(duì)象姿態(tài)估計(jì)提出了挑戰(zhàn)，并且對(duì)象動(dòng)力學(xué)由接觸交互控制。arXiv.org上最近的一篇論文提出了一個(gè)框架，可以從已知幾何形狀的對(duì)象的第一次觸摸中估計(jì)觸摸對(duì)象的姿勢(shì)。

給定對(duì)象的3D模型，該方法在模擬中學(xué)習(xí)特定于對(duì)象的感知模型。它通過計(jì)算真實(shí)接觸形狀和一組模擬接觸形狀之間的概率來推理姿勢(shì)分布。因此，可以合并額外的約束，例如由多接觸場(chǎng)景或先前的對(duì)象姿態(tài)估計(jì)產(chǎn)生的約束。

對(duì)真實(shí)數(shù)據(jù)集的評(píng)估表明，所提出的框架在與不同的對(duì)象特征接觸時(shí)實(shí)現(xiàn)了很高的定位精度。

在本文中，我們介紹了Tac2Pose，這是一種特定于對(duì)象的方法，可以從已知對(duì)象的第一次觸摸開始進(jìn)行觸覺姿勢(shì)估計(jì)。給定物體幾何形狀，我們?cè)谀M中學(xué)習(xí)了一個(gè)定制的感知模型，該模型在給定觸覺觀察的情況下估計(jì)可能的物體姿勢(shì)的概率分布。為此，我們模擬了一組密集的物體姿勢(shì)會(huì)在傳感器上產(chǎn)生的接觸形狀。然后，給定從傳感器獲得的新接觸形狀，我們使用通過對(duì)比學(xué)習(xí)學(xué)習(xí)的特定于對(duì)象的嵌入將其與預(yù)先計(jì)算的集合進(jìn)行匹配。我們使用與對(duì)象無關(guān)的校準(zhǔn)步驟從傳感器獲取接觸形狀，該校準(zhǔn)步驟將RGB觸覺觀察映射到二進(jìn)制接觸形狀。這種映射可以跨對(duì)象和傳感器實(shí)例重復(fù)使用，是使用真實(shí)傳感器數(shù)據(jù)訓(xùn)練的唯一步驟。這產(chǎn)生了一個(gè)感知模型，該模型從第一次真實(shí)的觸覺觀察中定位對(duì)象。重要的是，它產(chǎn)生姿勢(shì)分布，并且可以包含來自其他感知系統(tǒng)、聯(lián)系人或先驗(yàn)的額外姿勢(shì)約束。

我們提供了20個(gè)對(duì)象的定量結(jié)果。Tac2Pose通過獨(dú)特的觸覺觀察提供高精度姿勢(shì)估計(jì)，同時(shí)回歸有意義的姿勢(shì)分布以解釋可能由不同對(duì)象姿勢(shì)產(chǎn)生的接觸形狀。我們還在從3D掃描儀重建的對(duì)象模型上測(cè)試Tac2Pose，以評(píng)估對(duì)象模型對(duì)不確定性的魯棒性。最后，我們展示了Tac2Pose與三種用于觸覺姿態(tài)估計(jì)的基線方法相比的優(yōu)勢(shì)：使用神經(jīng)網(wǎng)絡(luò)直接回歸對(duì)象姿態(tài)，使用標(biāo)準(zhǔn)分類神經(jīng)網(wǎng)絡(luò)將觀察到的接觸與一組可??能的接觸進(jìn)行匹配，以及直接像素比較與一組可能的聯(lián)系人的觀察到的聯(lián)系人。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！