你的位置:首页 >> 产品展示 >> 薄膜压力传感器 >> 压力分布测试系统  压力分布测试系统
使用可伸缩触觉手套
来源:TEKSCAN薄膜压力传感器 Tactilus压力分布测试 气体传感器 红外传感器 El冷光片_热电堆传感器厂家_热释电红外传感器_热电堆传感器应用电路_台湾热电堆传感器原厂_热电堆传感器应用_热电堆 电路_热释电红外传感器工作原理及结构说明_热释电传感器_红外传感器 | 发布时间:4/16/2021 10:02:22 PM | 浏览次数:

学习人类掌握的特征

使用可伸缩触觉手套

麻省理工学院邮件

戏弄者

摘要

人类可以感觉、称重和抓取不同的物体,同时在施加适当的力的同时推断出它们的材料特性,这对现代机器人来说是一系列具有挑战性的任务。在人造机器人中,提供感觉反馈并使人类抓握的灵巧性得以实现的机械感受器网络仍然具有挑战性。随着视觉数据的丰富和机器学习工具的出现,基于计算机视觉的机器人抓取策略有了长足的发展,但目前还没有一个等效的传感平台和大规模的数据集来利用人类抓取物体所依赖的触觉信息。重要的是,目前无法记录和分析触觉信号限制了我们对触觉信息在人类抓握本身中的作用的理解,例如,如何使用触觉图来识别物体并推断其特性是未知的。在这里,我们使用可伸缩触觉手套(STAG)和深度卷积神经网络(CNNs)演示了均匀分布在手上的传感器可用于识别单个物体、估计重量和探索抓取物体时出现的典型触觉模式。传感器阵列(548个传感器)装配在针织手套上,由压阻膜组成,压阻膜通过被动探测的导电线电极网络连接。使用低成本的STAG传感器阵列(约10美元),我们记录了一个具有135000帧的大规模触觉数据集,每个帧覆盖了整只手,同时与26个不同的对象进行交互。与不同对象的交互集合解释了在操纵对象时手的不同区域之间的关键对应关系。通过人工模拟自然机械感受器网络的镜头,从人类抓取的触觉特征中获得的见解可以帮助未来设计新的假肢、机器人抓取工具和人机交互。

 

纸类

使用可伸缩触觉手套学习人类抓握的特征

使用可伸缩触觉手套学习人类抓握的特征

Subramanian Sundaram、Petr Kellnhofer、Yunzhu Li、Jun Yan Zhu、Antonio Torralba、Wojciech Matusik

《自然》,569(7758),2019年

纸张(外部链接)Bibtex»更多

演示

 

帧聚类

 

手的姿势

 

传感器相关性

视频

设计和数据集文件

所有的数据和代码在非商业使用许可证下是免费的。有关商业用途的咨询请与我们联系。

 

印刷电路板的原理图和Gerber文件需要从传感器读取数据。

 


读出电子设备电路(605 KiB)示意图。

用于制造PCB的Gerber文件(154 KiB)。

 

本文将可伸缩触觉手套(STAG)数据集用于物体分类、重量估计和手姿势识别。这些数据集是运行我们的代码和重现本文结果所必需的。请注意,仅压力数据(即没有图像)就足以运行我们的代码。

 


具有内容描述的分类数据集(13.6 GiB)。

仅压力数据(36.6 MiB)没有图像的较小包。足以满足我们的要求。

 

用于盲折叠分类测试(内容描述)的盲折叠数据集(413 MiB)。

仅压力数据(1.58 MiB)

 

带内容描述的权重预测数据集(1.06 GiB)。

仅压力数据(2.85 MiB)

 

用于手姿势识别(内容描述)的手姿势数据集(2.67 GiB)。

仅压力数据(5.63 MiB)

源代码

我们基于机器学习的对象分类和权重估计方法的源代码可以在GitHub上获得。这些算法是用Python实现的,需要Pytorch机器学习框架。请注意,除了代码之外,还需要上面的数据集。

 

媒体报道

麻省理工学院新闻:传感器包装手套学习人类抓握的信号

PBS/NOVA Next:这款电子手套能抓住人的触觉

联系人

 
TAG:
打印本页 || 关闭窗口
 上一篇:触觉-手压力测量
 下一篇:手部互动与人体工程学
评论
评论加载中...
内容:
评论者: 验证码:
  
点击这里给我发消息
点击这里给我发消息
点击这里给我发消息
点击这里给我发消息
点击这里给我发消息
点击这里给我发消息