![]()
在操作过程中捕捉与可变形物体的有力的交互有利于虚拟现实、远程医疗和机器人等应用。由于遮挡的物体变形，复制具有完整几何形状的完整手-物体状态是具有挑战性的。 近日，上海交通大学刘景全/卢策吾团队报告了一种用于操作的视觉-触觉记录和跟踪系统，该系统具有具有1152个力感知通道的可拉伸触觉手套和视觉触觉联合学习框架，用于评估操作过程中手部物体的动态状态。为了克服与可变形物体接触引起的应变干扰，提出了一种基于对称响应检测和自适应校准的主动抑制方法，测力精度达到97.6%，提高了45.3%。学习框架处理视觉-触觉序列并重建手-物状态。作者对包括可变形和刚体在内的6类24个物体进行了实验，所有序列的平均重建误差仅为1.8 cm，证明了在操纵具有不同程度可变形性的物体时复制人类知识的普遍能力![]()
图1 深度学习增强的基于触觉阵列的手套，具有捕捉与可变形物体的有力交互的优势
![]()
图2 触觉手套的设计、制造和测试和应变干扰抑制
![]()
图3 触觉阵列的表征
![]()
图4 具有应变干扰抑制的触觉手套用于手变形物体交互的评价与分析
![]()
图5 视觉-触觉联合学习框架
![]()
图6 基于ViTaM系统的手-物重建
- 原文题目：Capturing forceful interaction with deformable objects using a deep learning-powered stretchable tactile array
- 论文共同第一作者：Chunpeng Jiang, Wenqiang Xu
- 原文链接：https://www.nature.com/articles/s41467-024-53654-y
声明：文章仅用于学术分享，如有不科学、不准确之处，或涉及知识产权问题，欢迎专业人士或作者下方私信更正或删除。欢迎论文投稿荐稿（免费），推广合作请后台私信。下方“阅读原文”可直接查看原文
