論文の概要: Contact Status Recognition and Slip Detection with a Bio-inspired Tactile Hand

• arxiv url: http://arxiv.org/abs/2603.18370v1
• Date: Thu, 19 Mar 2026 00:12:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.969269
• Title: Contact Status Recognition and Slip Detection with a Bio-inspired Tactile Hand
• Title（参考訳）: バイオインスパイアされた触手による接触状況認識とすべり検出
• Authors: Chengxiao He, Wenhui Yang, Hongliang Zhao, Jiacheng Lv, Yuzhe Shao, Longhui Qin,
• Abstract要約: 非構造的かつ普遍的な環境下でのロボットにはスリップ検出とタイムリーな予防が必要である。 本研究では,5本指のバイオインスパイアされた手からの触覚フィードバックを利用してこの問題に対処する。
• 参考スコア（独自算出の注目度）: 0.7850663096185592
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Stable and reliable grasp is critical to robotic manipulations especially for fragile and glazed objects, where the grasp force requires precise control as too large force possibly damages the objects while small force leads to slip and fall-off. Although it is assumed the objects to manipulate is grasped firmly in advance, slip detection and timely prevention are necessary for a robot in unstructured and universal environments. In this work, we addressed this issue by utilizing multimodal tactile feedback from a five-fingered bio-inspired hand. Motivated by human hands, the tactile sensing elements were distributed and embedded into the soft skin of robotic hand, forming 24 tactile channels in total. Different from the threshold method that was widely employed in most existing works, we converted the slip detection problem to contact status recognition in combination with binning technique first and then detected the slip onset time according to the recognition results. After the 24-channel tactile signals passed through discrete wavelet transform, 17 features were extracted from different time and frequency bands. With the optimal 120 features employed for status recognition, the test accuracy reached 96.39% across three different sliding speeds and six kinds of materials. When applied to four new unseen materials, a high accuracy of 91.95% was still achieved, which further validated the generalization of our proposed method. Finally, the performance of slip detection is verified based on the trained model of contact status recognition.
• Abstract（参考訳）: 安定かつ信頼性の高いグリップは、特に脆弱でグラズドな物体に対するロボット操作において重要であり、グリップ力は、大きすぎると物体が損傷し、小さな力が滑り落ちてしまうため、正確に制御する必要がある。 操作対象は事前にしっかり把握されていると仮定されるが、非構造的かつ普遍的な環境においてロボットにはすべり検出とタイムリーな防止が必要である。 本研究では,5本指のバイオインスパイアされた手からの触覚フィードバックを利用してこの問題に対処する。 触覚センサーは人間の手で刺激され、ロボットハンドの柔らかい皮膚に分散され、合計24の触覚チャネルを形成した。 既存のほとんどの作業で広く用いられていたしきい値法とは違って,まずバニング技術と組み合わせてスリップ検出問題を接触状態認識に変換し,認識結果に応じてスリップ開始時間を検出する。 24チャンネルの触覚信号が離散ウェーブレット変換を通った後、17つの特徴を時間帯と周波数帯から抽出した。 状態認識に最適な120個の特徴により、テスト精度は3つの異なるスライディング速度と6種類の材料で96.39%に達した。 4つの新しい未確認材料に適用した場合, 91.95%の高精度化が達成され, 提案手法の一般化がさらに実証された。 最後に,接触状態認識の訓練モデルに基づいてスリップ検出の性能を検証する。

関連論文リスト

• Agile gesture recognition for capacitive sensing devices: adapting on-the-job [55.40855017016652]
  本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。 コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。 機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
  論文  参考訳（メタデータ） (2023-05-12T17:24:02Z)
• 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)
• Learning to Detect Slip through Tactile Estimation of the Contact Force Field and its Entropy [6.739132519488627]
  本研究では,スリップ検出をリアルタイムで連続的に行う物理インフォームド・データ駆動方式を提案する。 我々は、光学式触覚センサーであるGelSight Miniを、カスタムデザインのグリップに装着して、触覚データを収集する。 その結果,最高の分類アルゴリズムは95.61%の精度が得られることがわかった。
  論文  参考訳（メタデータ） (2023-03-02T03:16:21Z)
• Learning to Detect Slip with Barometric Tactile Sensors and a Temporal Convolutional Neural Network [7.346580429118843]
  本研究では,バロメトリック・触覚センサを用いたスリップ検出手法を提案する。 我々は、スリップを検出するために時間畳み込みニューラルネットワークを訓練し、高い検出精度を実現する。 データ駆動学習と組み合わせたバロメトリック触覚センシング技術は,スリップ補償などの操作作業に適している,と我々は主張する。
  論文  参考訳（メタデータ） (2022-02-19T08:21:56Z)
• A high performance fingerprint liveness detection method based on quality related features [66.41574316136379]
  このシステムは、10,500枚以上の実画像と偽画像からなる非常に難しいデータベースでテストされている。 提案手法はマルチシナリオデータセットに対して堅牢であることが証明され、全体の90%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） (2021-11-02T21:09:39Z)
• Under Pressure: Learning to Detect Slip with Barometric Tactile Sensors [7.35805050004643]
  本稿では,バロメトリック触覚センサを用いたスリップ検出法を提案する。 我々は91%以上のスリップ検出精度を達成することができる。 バロメトリック触覚センシング技術とデータ駆動学習の組み合わせは、多くの複雑な操作タスクに適しています。
  論文  参考訳（メタデータ） (2021-03-24T19:29:03Z)
• 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)
• The Feeling of Success: Does Touch Sensing Help Predict Grasp Outcomes? [57.366931129764815]
  両指にGelSight高解像度触覚センサを装着した2本指グリップを用いて,9000以上の握力試験を行った。 実験結果から,触覚を取り入れることで把握性能が著しく向上することが示唆された。
  論文  参考訳（メタデータ） (2017-10-16T05:32:38Z)

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。