Paper: Clasificación de objetos usando percepción bimodal de palpación única en acciones de agarre robótico

Title: Clasificación de objetos usando percepción bimodal de palpación única en acciones de agarre robótico
Author: Edison Velasco, Brayan S. Zapata-Impata, Pablo Gil, Fernando Torres
Journal: Revista Iberoamericana de Automática e Informática industrial, [S.l.], abr. 2019. ISSN 1697-7920. doi: https://doi.org/10.4995/riai.2019.10923.
Abstract: Este trabajo presenta un método para clasificar objetos agarrados con una mano robótica multidedo combinando en un descriptor híbrido datos propioceptivos y táctiles. Los datos propioceptivos se obtienen a partir de las posiciones articulares de la mano y los táctiles del contacto registrado por células de presión en las falanges. La aproximación propuesta permite identificar el objeto, extrayendo de la pose de la mano la geometría de contacto y de los sensores táctiles la estimación de la rigidez y flexibilidad de éste. El método muestra que usar datos bimodales de distinta naturaleza y técnicas de aprendizaje supervisado mejora la tasa de reconocimiento. En la experimentación, se han llevado a cabo más de 3000 agarres de hasta 7 objetos domésticos distintos, obteniendo clasificaciones correctas del 95% con métrica F1, sin necesidad de ejecutar múltiples palpaciones del objeto. Además, la generalización del método se ha verificado entrenando nuestro sistema con ciertos objetos y clasificando otros nuevos sin conocimiento previo alguno de estos.
Download paper