基于电磁激励原理利用视触觉传感器估计抓取力矩的方法

2024-05-02 07:52

本文主要是介绍基于电磁激励原理利用视触觉传感器估计抓取力矩的方法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

由于触觉感知能使机器人通过其触觉传递获取丰富的接触信息,触觉感知已经成为机器人机械臂的一种流行的感知方式。而在触觉传感器可获取的各种信息中,通过外界接触从抓取物体传递到机器人手指的力矩等信息,在完成各种指令的实现尤为重要。如图所示为通过触点丰富的USB棒插入对齐问题来演示本文所介绍方法。然而,相比于其他传感方式,如力、纹理或滑动识别,触觉力矩估计受到的关注相对较少。

在这里插入图片描述

在本文工作中,引入了触觉偶极矩的概念,用于从基于凝胶的触觉传感器中估计倾斜力矩。该方法不依赖于深度学习、传感器特定的机械或光学建模,而是从电机学中获得灵感来分析由2Dmarker位移产生的矢量场。
尽管技术简单,但却展示了它在两个不同的触觉传感器和三个物体几何形状上提供准确的扭矩读数的能力,并突出了它在带有柔顺机械臂的USB棒插入任务中的实用性。
这些结果表明,基于偶极矩的简单解析计算可以充分提取视觉触觉传感器中的物理量。
成果:
•引入了触觉偶极矩(Tactile Dipole Moment)作为一种从视触觉传感器中估计抓取倾斜力矩的方法,并展示了与现有的触觉倾斜力矩估计分析技术相比,新方法在估计精度方面的改进。
•在真实机器人上进行的USB插棒任务实验表明,这种估计可以提供关于环境接触的有用反馈信号。
•这种方法可以应用于其他的视触觉传感硬件和抓取物体形状。
方法:
以机器人手夹取物体,且每个手指上都具有视触觉传感器为例,对其基于触觉偶极矩进行倾斜力矩估计。
由于触觉凝胶表面上不同的加载条件与标记位移场的发散、单向和旋转分量有关。基于此原理,根据倾斜力矩产生的标记位移场图案产生类似于电偶极子诱导的电场的矢量场图案来反映结果。
结果表明,偶极子图案只出现在抓取后矢量场归零时的标记位移场中,如图所示。换句话说,标记点位移测量是通过从图像平面中的当前标记点位置减去抓取后的标记点位置来进行的。非此情况下,位移场由法向力引起的分量主导,法向力在抓取过程中保持相对恒定,从而使倾斜力矩的检测变得困难。
在这里插入图片描述

基于上述方法,将其估计的倾斜力矩与使用的小而高分辨率的FT传感器测量的倾斜力矩进行了比较,装置如下图所示。
在这里插入图片描述

结果表面,该方法通过矢量散度改进的分布式法向力测量显示出更高的估计精度,正如根据凝胶材料均匀性的原理所预期的那样,触觉估计与FT传感器真值之间的校准比例因子在x轴和y轴之间大致相等。
除此之外,当沿着x和y轴的扭矩耦合时,这种线性保持不变,前提是FT传感器与旋转轴成直线放置,以避免产生力矩臂导致人施加的扭矩在FT传感器中被读取为力。下图为单次数据采集实验得到的倾斜力矩估计值与真实值随时间变化的对比图,展示了标定实验在工程单位中利用触觉传感器产生精确力矩读数的实际应用。
在这里插入图片描述

为了证明本文所提及方法测量倾斜力矩的实用性,同时考虑了USB棒插入对齐应用的实验,将扭矩估计方法应用于测量插入物的USB棒的对齐问题。图中显示了估计扭矩(顶部)的时间序列图,以及显示导致扭矩(底部)的USB棒状态的代表性视频快照。
在这里插入图片描述

由于这种方法既不依赖于深度学习,也不依赖于传感器特定的力学或光学特性建模,这种方法期望可以直接适用于任何提供2Dmarker位移矢量场的视觉触觉传感器,而唯一的变化来自于从拟合线性模型到真实FT传感器数据的校准缩放常数。该方法应用于DIGIT传感器,通过激光刻蚀将其修改为包含标记,如图所示。
在这里插入图片描述

同时,为了评估这种方法对物体形状的泛化能力,下图显示了使用方形和圆形钉子(10mm截面宽度/直径)而不是平板进行相同实验的结果。
在这里插入图片描述

尽管如此,数据的线性度是守恒的,显示了该技术在物体形状上的泛化能力。
讨论与限制:
本文结果展示了如何使用所介绍方法从简单的分析计算中提供准确的倾斜力矩读数。在这一部分中结合现有的相关文献讨论了这些结果的意义和局限性。
•改进倾斜力矩解析估算法:
与现有的通过二维标记点位移场解析计算来估计倾斜力矩的方法相比,本文所介绍的方法提高了测量精度。虽然这两种方法都是基于对凝胶上分布的法向力的力矩贡献进行积分的原理,但是利用向量场散度进行法向力估计,以及根据力分布位置定义力矩臂都有助于提高估计效果。
•深度学习:
本文提出的结果仅仅依赖于解析计算,而没有应用深度学习,这反而可能是有利的,因为神经网络训练可能需要大量的数据才能达到令人满意的性能,而更简单的触觉表征可以在低数据区提供更好的泛化性能。当然,如果可以给定一个足够大的训练数据集,深度学习可以预期优于简单模型。
结论:
本文引入了触觉偶极矩(Tactile Dipole Moment )作为一种从视觉触觉传感器中估计倾斜力矩的技术。在两个不同的传感器模型和三个抓取的物体几何形状上测试了这种简单方法的有效性,并将其应用于接触丰富的USB插针问题。结果证明了矢量演算技术分析视触觉数据的有效性。
在未来的工作方面,可以将力矩估计方法作为感觉输入,通过自动反馈控制来解决触觉物体插入问题。

这篇关于基于电磁激励原理利用视触觉传感器估计抓取力矩的方法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/953754

相关文章

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

hdu4407(容斥原理)

题意:给一串数字1,2,......n,两个操作:1、修改第k个数字,2、查询区间[l,r]中与n互质的数之和。 解题思路:咱一看,像线段树,但是如果用线段树做,那么每个区间一定要记录所有的素因子,这样会超内存。然后我就做不来了。后来看了题解,原来是用容斥原理来做的。还记得这道题目吗?求区间[1,r]中与p互质的数的个数,如果不会的话就先去做那题吧。现在这题是求区间[l,r]中与n互质的数的和

浅谈主机加固,六种有效的主机加固方法

在数字化时代,数据的价值不言而喻,但随之而来的安全威胁也日益严峻。从勒索病毒到内部泄露,企业的数据安全面临着前所未有的挑战。为了应对这些挑战,一种全新的主机加固解决方案应运而生。 MCK主机加固解决方案,采用先进的安全容器中间件技术,构建起一套内核级的纵深立体防护体系。这一体系突破了传统安全防护的局限,即使在管理员权限被恶意利用的情况下,也能确保服务器的安全稳定运行。 普适主机加固措施:

webm怎么转换成mp4?这几种方法超多人在用!

webm怎么转换成mp4?WebM作为一种新兴的视频编码格式,近年来逐渐进入大众视野,其背后承载着诸多优势,但同时也伴随着不容忽视的局限性,首要挑战在于其兼容性边界,尽管WebM已广泛适应于众多网站与软件平台,但在特定应用环境或老旧设备上,其兼容难题依旧凸显,为用户体验带来不便,再者,WebM格式的非普适性也体现在编辑流程上,由于它并非行业内的通用标准,编辑过程中可能会遭遇格式不兼容的障碍,导致操

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡,拥有登录权限的账号密码,一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 (如果是1集群把75改成66) 交互式开发 执行器选Terminal 密码随便设一个(需记住) 工作空间:私有数据、全部文件 加速器选GeForce_RTX_2080_Ti

hdu4407容斥原理

题意: 有一个元素为 1~n 的数列{An},有2种操作(1000次): 1、求某段区间 [a,b] 中与 p 互质的数的和。 2、将数列中某个位置元素的值改变。 import java.io.BufferedInputStream;import java.io.BufferedReader;import java.io.IOException;import java.io.Inpu

hdu4059容斥原理

求1-n中与n互质的数的4次方之和 import java.io.BufferedInputStream;import java.io.BufferedReader;import java.io.IOException;import java.io.InputStream;import java.io.InputStreamReader;import java.io.PrintWrit

【VUE】跨域问题的概念,以及解决方法。

目录 1.跨域概念 2.解决方法 2.1 配置网络请求代理 2.2 使用@CrossOrigin 注解 2.3 通过配置文件实现跨域 2.4 添加 CorsWebFilter 来解决跨域问题 1.跨域概念 跨域问题是由于浏览器实施了同源策略,该策略要求请求的域名、协议和端口必须与提供资源的服务相同。如果不相同,则需要服务器显式地允许这种跨域请求。一般在springbo