使用触觉传感器和机器学习来改进机器人操纵织物的方式
近年来，机器人专家一直在努力改进机器人与现实世界中不同物体的交互方式。虽然他们的一些努力取得了可喜的成果，但大多数现有机器人系统的操作技能仍然落后于人类。
织物是被证明对机器人交互最具挑战性的对象类型之一。造成这种情况的主要原因是布片和其他织物可以以不同的方式拉伸、移动和折叠，这会导致复杂的材料动力学和自闭塞。
卡内基梅隆大学机器人研究所的研究人员最近提出了一种新的计算技术，可以让机器人更好地理解和处理织物。这项技术在将在智能机器人和系统国际会议上发表并在arXiv上预发表的论文集中介绍，该技术基于使用触觉传感器和简单的机器学习算法(称为分类器)。
“我们对织物操纵感兴趣，因为织物和可变形物体通常对机器人的操纵具有挑战性，因为它们的可变形性意味着它们可以以多种不同的方式进行配置，”进行这项研究的研究人员之一丹尼尔·塞塔(DanielSeita)，告诉TechXplore。“当我们开始这个项目时，我们知道最近在机器人操纵织物方面有很多工作，但其中大部分工作涉及操纵单块织物。我们的论文解决了学习操纵织物的相对较少探索的方向。使用触觉感应的一堆织物。”
大多数现有的在机器人中实现织物操作的方法仅基于使用视觉传感器，例如仅收集视觉数据的相机或成像器。虽然其中一些方法取得了良好的效果，但它们对视觉传感器的依赖可能会限制它们对涉及操纵单块布料的简单任务的适用性。
另一方面，Seita及其同事SashankTirumala和ThomasWeng设计的新方法使用了由名为ReSkin的触觉传感器收集的数据，该传感器可以推断与材料纹理及其与环境相互作用相关的信息。使用这些触觉数据，该团队训练了一个分类器来确定机器人抓取的织物层数。
“我们的触觉数据来自去年CMU最近开发的ReSkin传感器，”Weng解释说。“我们使用这个分类器来调整夹子的高度，以便从一堆织物中抓住一个或两个最顶层的织物层。”
为了评估他们的技术，该团队在真实环境中进行了180次实验试验，使用由Franka机械臂、迷你Delta夹持器和Reskin传感器(集成在夹持器的“手指”上)组成的机器人系统来抓取一堆或两块布。他们的方法取得了可喜的成果，优于不考虑触觉反馈的基线方法。
“与仅使用相机的先前方法相比，我们基于触觉感应的方法不受织物图案、照明变化和其他视觉差异的影响，”Tirumala说。“我们很高兴看到来自ReSkin传感器等电磁设备的触觉感应可以为精细的操作任务提供足够的信号，例如抓住一两个织物层。我们相信这将推动未来对布料的触觉感应研究由机器人操纵。”
在未来，Tirumala、Weng、Seita和他们的同事希望这种操作方法可以帮助提高机器人的能力，这些机器人旨在部署在织物制造设施、洗衣服务或家庭中。具体来说，它可以提高这些机器人处理复杂纺织品、多块布、衣物、毯子、衣服和其他基于织物的物体的能力。
“我们的计划是继续探索使用触觉传感来掌握任意数量的织物层，而不是我们在这项工作中关注的一两层，”Weng补充道。“此外，我们正在研究结合视觉和触觉传感的多模式方法，以便我们可以利用这两种传感器模式的优势。”
标签：