論文の概要: Touch Sensing on Semi-Elastic Textiles with Border-Based Sensors
- arxiv url: http://arxiv.org/abs/2305.09222v2
- Date: Wed, 17 May 2023 06:35:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-18 11:43:09.322694
- Title: Touch Sensing on Semi-Elastic Textiles with Border-Based Sensors
- Title（参考訳）: 境界センサを用いた半弾性繊維のタッチセンシング
- Authors: Samuel Z\"uhlke, Andreas St\"ockl, David C. Schedl
- Abstract要約: 提案手法は、弾性ジャージーファブリックと様々な機械学習モデルを含む実験を通して実証される。
この手法がウェアラブル技術やスマートテキスタイルに応用できる可能性が示唆された。
- 参考スコア（独自算出の注目度）: 2.4923006485141284
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study presents a novel approach for touch sensing using semi-elastic
textile surfaces that does not require the placement of additional sensors in
the sensing area, instead relying on sensors located on the border of the
textile. The proposed approach is demonstrated through experiments involving an
elastic Jersey fabric and a variety of machine-learning models. The performance
of one particular border-based sensor design is evaluated in depth. By using
visual markers, the best-performing visual sensor arrangement predicts a single
touch point with a mean squared error of 1.36 mm on an area of 125mm by 125mm.
We built a textile only prototype that is able to classify touch at three
indent levels (0, 15, and 20 mm) with an accuracy of 82.85%. Our results
suggest that this approach has potential applications in wearable technology
and smart textiles, making it a promising avenue for further exploration in
these fields.
- Abstract（参考訳）: 本研究は, 布地の境界に位置するセンサに頼る代わりに, センシング領域にセンサを追加配置する必要のない, 半弾性繊維表面を用いた新しいタッチセンシング手法を提案する。
提案手法は、弾性ジャージーファブリックと様々な機械学習モデルを含む実験を通して実証される。
特定の境界に基づくセンサ設計の性能を深く評価する。
視覚マーカーを用いることで、最も優れた視覚センサ配置は、125mm×125mmの領域で平均2乗誤差1.36mmの単一タッチポイントを予測する。
我々は、タッチを3つのインデントレベル(0,15,20mm)で82.85%の精度で分類できる繊維のみのプロトタイプを構築した。
この手法はウェアラブル技術やスマートテキスタイルに応用できる可能性が示唆され,これらの分野のさらなる探索の道筋となる。
関連論文リスト
- Telextiles: End-to-end Remote Transmission of Fabric Tactile Sensation [21.148682842511707]
織物の触覚は衣服の快適さを決定するのに重要である。
オンラインショッピングなどの遠隔利用では、ユーザーは衣服の織物に物理的に触れることができない。
繊維の触覚をリモートで伝達するインタフェースであるTelextilesを提案する。
論文 参考訳（メタデータ） (2024-05-06T11:13:50Z) - Recognizing Complex Gestures on Minimalistic Knitted Sensors: Toward
Real-World Interactive Systems [0.13048920509133805]
デジタル編みの容量型アクティブセンサーは、人間の介入はほとんどなく、大規模に製造できる。
本研究は,対話型ジェスチャー認識システムの基礎を構築することにより,そのようなセンサの能力を向上させる。
論文 参考訳（メタデータ） (2023-03-18T04:57:46Z) - Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
人間は触覚と触覚に頼っている。
視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。
本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
論文 参考訳（メタデータ） (2023-03-10T16:27:37Z) - Fingerprint Liveness Detection Based on Quality Measures [66.76480178498315]
新たな特徴セットは、完全なライブネス検出システムで使用され、LivDETコンペティションの開発セットでテストされている。
提案手法はマルチセンサのシナリオに対して堅牢であることが証明され、全体の93%が正しく分類されたサンプルである。
論文 参考訳（メタデータ） (2022-07-11T12:15:27Z) - A soft thumb-sized vision-based sensor with accurate all-round force
perception [19.905154050561013]
視覚ベースの触覚センサーは、安価な高解像度カメラとコンピュータビジョン技術の成功により、ロボットタッチへの有望なアプローチとして登場した。
我々はInsightという名前の、頑丈でソフトで低コストで、視覚ベースで親指サイズの3D触覚センサーを提示する。
論文 参考訳（メタデータ） (2021-11-10T20:46:23Z) - Elastic Tactile Simulation Towards Tactile-Visual Perception [58.44106915440858]
触覚シミュレーションのための粒子の弾性相互作用(EIP)を提案する。
EIPは、触覚センサを協調粒子群としてモデル化し、接触時の粒子の変形を制御するために弾性特性を適用した。
さらに,触覚データと視覚画像間の情報融合を可能にする触覚知覚ネットワークを提案する。
論文 参考訳（メタデータ） (2021-08-11T03:49:59Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z) - Monocular Depth Estimation for Soft Visuotactile Sensors [24.319343057803973]
高密度内部(触覚)深度マップを内部小型赤外線イメージングセンサから直接推定するための最先端の単眼深度推定法の適用について検討した。
深層ネットワークは, ほとんどがテクスチャのない変形可能な流体充填センサ内において, より短い範囲(1～100mm)で精度の高い予測を行うために効果的に訓練できることを示す。
多種多様物体に対して10秒未満のランダムポーズを10秒未満で要求するオブジェクト非依存ネットワークを訓練する,単純な教師付き学習プロセスを提案する。
論文 参考訳（メタデータ） (2021-01-05T17:51:11Z) - Spatio-temporal Attention Model for Tactile Texture Recognition [25.06942319117782]
触覚テクスチャ認識のための新しい時空間注意モデル(STAM)を提案する。
提案したSTAMは,それぞれの触覚テクスチャの空間的焦点と触覚シーケンスの時間的相関の両方に注意を払っている。
100種類の異なる布のテクスチャを識別する実験では,空間的,時間的に選択的な注意が認識精度を大幅に向上させた。
論文 参考訳（メタデータ） (2020-08-10T22:32:34Z) - Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。
我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。
実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
論文 参考訳（メタデータ） (2020-03-23T10:51:32Z) - OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。
我々は,多方向高解像度触覚センサOmniTactを紹介する。
我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
論文 参考訳（メタデータ） (2020-03-16T01:31:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。