基于学习和触觉数据评估抓握稳定性.doc

1

基于学习和触觉数据评估抓握稳定性

亚塞米恩·贝基罗格鲁、亚内·拉克松宁、吉米·艾莉森·约根森、维尔·基尔基(IEEE会员)和达妮察·克拉吉奇(IEEE会员)

摘要:与环境交互并操纵物体的机器人的一项重要能力是处理感官数据中的不确定性。例如，感官信息对于执行抓握稳定性的在线评估是必要的。我们提出了基于触觉数据和机器学习方法(包括AdaBoost、支持向量机(SVM)和隐马尔可夫模型(HMM))来评估抓握稳定性的方法。特别是，我们研究了不同感官流对抓握稳定性的影响。这包括诸如形状等物体信息；诸如接近向量等抓握信息；来自指尖的触觉测量；以及手的关节配置。感官知识在抓