关于我
欢迎来到我的博客！这里汇集了我对编程和技术的洞见和总结。本站内容分为几个主要类别，涵盖从具体技术实现到编程理念的广泛话题。
主要内容分类
- 项目工程：深入探讨技术的实现细节和理解。
- C/C++：围绕C/C++语言的技术点和编程技巧进行详细总结。
- 程序员哲学：分享程序员在职业生涯中应该具备的哲学理念和思考方式。
想要了解更多具体内容，您可以访问文章分类页面。
联系我
如果您有任何问题或想要交流，欢迎通过关于页面与我联系。
感谢您的阅读和支持，希望我的博客能为您的技术旅程带来帮助！
论文出处:
Published in: IEEE Transactions on Robotics ( Volume: 38, Issue: 6, December 2022)
DOI: 10.1109/TRO.2022.3182487
Date of Publication: 01 July 2022
原创性与采用技术:
触觉传感器设计：论文设计了一种基于MEMS（微机电系统）气压传感器的触须传感器
Plastic filaments用于检测接触与否.受体单元(receptor units)检测filament bending上的压力(pressure)
触觉感知的探索策略
主动路径规划器
Hopf振荡器
多目标探索:仅靠触觉感知的探索方式，有效识别多个物体
物体识别和分类:通过触须传感器收集的几何特征,开发了一个分类器来识别物体的类别。
关于此filament bending,操作问题已经被解决(barometer’s drifting issue is addressed))
filament bending探索方式:Leverage an active sweeping motion to augment contact signals
背景
光线不明朗的情况有很多,涉及到遮挡类型,强反光,弱光,异介质(水,空气的交界处)操作.触感智能(Tactile Intelligence)往往能够取代(substitute)视觉智能(vision Intelligence).
Tactile Intelligence有自己的困难,比如在contact过程中,object的位姿变化,control and decision-making的discountinuities.
现阶段的研究都是假设(assume)接触物体都是单一(single object)封闭(watertight)表面.这表明(indecate)处理的单一物体的数据较为简单,Tactile Intelligence只需要扫描整个物体表面,而不管其表面凹陷(缺失).这在复杂(cluttered scenes)情况下是很难工作的.单一,意味着不考虑其他物体的干扰,机器人只需要对一个独立的物体进行探索(exploration)
team提出了一个复合(hybrid)探索策略,首次整合(integrated)反馈式(reactive)轮廓跟踪策略(contour tracing policy).当发现一个新object时,会连续跟踪其轮廓,搜集(collect)更多的接触位置(contact point).减少object的中断(disruption to the environment).
team提供了一个方法(methodology)整合轮廓跟踪策略到信息式路径规划框架(informative path planning framework).收集了更多的信息,更好的形状点分布(better point coverage on the shape),优化了平均路径距离(significant improvement in the average travel distance)
机器人接触过程中有三种方式：
主动路径规划：一般是通过视觉智能（vision intelligence）进行定位（located），然后规划路径。可以更加高效的接触物体（object）
被动感知：末端执行器偶然接触物体，而获得了触觉信息（tactile information），一般在未知情况下（optical information is not available）
轮廓跟踪(contour tracing):连续的触觉反馈,跟踪物体的边界.
优势
传统触觉传感器（conventional tactile sensors）由于接触点少，范围小，需要紧密接触才能获得有效数据。其感知能力收到传感器的尺寸，位置的影响。
而whisker sensor尤其优越性，接触范围大，并且能够以最轻的力度去感知物体（minimal contact forces）-这个力度是有效交互（compliant interaction）。
其细长的触须whisker filaments可以exploration更加狭小的位置，可以弯曲。
所以Whisker sensor的感知能力更加强大，获取信息的广度和宽度都较之强大。
分类器设计,只需要少有的points就可以达到一个很好的分辨效果.该分类器会生成一个3-D点云.
以上可以减少现阶段tactile sampling的能量消耗.
问题
文中提到的关于更高灵敏度（including MEMS barometers of higher sensitivity），灵敏度过高，是否会造成更多的噪声
逻辑
这篇论文讲述了作者通过自设计的触觉传感器来收集和提取物体的几何特征，然后设计了一个分类器来对这些特征数据进行处理和分析，从而区分不同的物体.
传感器通过如同长须一般轻触摸物体表面,来获取物体轮廓,大小,区率等数据,通过这些数据可以得知这个物体的表面特征,推测物体整体形状.
分类器将传感器数据转换为可用于机器学习或者模式识别的输入数据,通过训练模型进行,对物体进行分类.
分类器的训练和识别:通过一组已经采集的已知的物体几何特征/类别对分类器进行训练.然后通过一些未训练物体的几何特征数据进行类别判断,从而实现物体的分类和识别.
文中提到:这种技术应用到光线不明朗(optical information is not available)的环境中非常有用,可以提高机器人的处理现实世界的能力,增加机器人感知世界的维度.
论文的重点在触觉传感器感知物体方面,对于分类器的设计应该是使用了轻量级的机器学习算法(统计模型).
相关专业词汇
Tactile Sensing Whisker Sensor MEMS (Micro-Electro-Mechanical Systems) Barometer Sensor(气压传感器)
Nonintrusive Contact Pressure Sensing Haptic Feedback(触觉反馈) Geometric Features
Autonomous Exploration Unknown Task Space Trajectory Generation
Exploration Trajectories Proactive Path Planner Hopf Oscillator
Reactive Exploration Contour Tracing Informative Path Planning
Hybrid Policy
Object Recognition Object Classification Scene Understanding
Segmentation Classifier Feature Extraction Category Recognition
Pattern Recognition
Tactile Data Training Phase Testing Phase Discriminative Features
Sensor Data Processing Statistical Model Feature Classification
Uncertain Environments Robotic Perception Multiobject Exploration
Tactile Intelligence Nonvisual Sensing
compliant interaction（有效交互）
If you like this blog or find it useful for you, you are welcome to comment on it. You are also welcome to share this blog, so that more people can participate in it. All the images used in the blog are my original works or AI works, if you want to take it,don't hesitate. Thank you !