推动去了解！--基于视触觉的主动物体参数推断与双可微滤波
摘要：使用机器人系统与动态环境中的物体进行交互，了解物体的物理特性（如形状、摩擦系数、质量、质心和惯性）是必不可少的。这不仅可以简化选择操作动作，还可以确保任务的按预期执行。然而，特别是对于新物体的物理特性进行估计是一个具有挑战性的问题，无论是使用视觉还是触觉感知。在本论文中，我们提出了一个使用视觉和触觉感知进行非抓取操纵来估计关键物体参数的新框架。我们提出的主动双可微滤波（ADDF）方法作为我们框架的一部分，在非抓取物体推动过程中学习物体-机器人交互，推断出物体的参数。我们提出的方法使机器人系统可以利用视觉和触觉信息来交互地探索新物体，通过非抓取物体推动。不同于可微滤波中的N步主动制定，我们提出的新型主动形式促进了对物体-机器人交互模型的高效学习，并通过选择最佳的探索推动动作（在哪里推动？如何推动？）进行推断。我们在仿真和真实机器人场景中广泛评估了我们的框架，结果表现优于最先进的基线模型。
作者：Anirvan Dutta, Etienne Burdet, Mohsen Kaboli
论文ID：2308.01001
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-03