Object recognition is an essential capability when performing various tasks. Humans naturally use either or both visual and tactile perception to extract object class and properties. Typical approaches for robots, however, require complex visual systems or multiple high-density tactile sensors which can be highly expensive. In addition, they usually require actual collection of a large dataset from real objects through direct interaction. In this paper, we propose a kinesthetic-based object recognition method that can be performed with any multi-fingered robotic hand in which the kinematics is known. The method does not require tactile sensors and is based on observing grasps of the objects. We utilize a unique and frame invariant parameterization of grasps to learn instances of object shapes. To train a classifier, training data is generated rapidly and solely in a computational process without interaction with real objects. We then propose and compare between two iterative algorithms that can integrate any trained classifier. The classifiers and algorithms are independent of any particular robot hand and, therefore, can be exerted on various ones. We show in experiments, that with few grasps, the algorithms acquire accurate classification. Furthermore, we show that the object recognition approach is scalable to objects of various sizes. Similarly, a global classifier is trained to identify general geometries (e.g., an ellipsoid or a box) rather than particular ones and demonstrated on a large set of objects. Full scale experiments and analysis are provided to show the performance of the method.
翻译:执行各种任务时, 对象识别是一种必不可少的能力。 人类自然使用视觉和触觉感知来提取对象类别和特性。 但是, 机器人的典型方法需要复杂的视觉系统或多高密度触觉传感器, 费用非常昂贵。 此外, 它们通常需要通过直接互动从真实对象实际收集大量数据集。 在本文中, 我们提出一种基于运动学已知的多指针机器人手可以操作的基于运动学的天体识别方法。 这种方法不需要触觉感应器, 并且以观察对象的掌握程度为基础。 但是, 我们使用一种独特的和框架的掌握不易变参数来学习对象形状的事例。 为了训练一个分类器, 训练数据是快速生成的, 只是在计算过程中, 没有与真实对象进行互动。 然后, 我们提议和比较两种迭代算法, 它可以整合任何经过训练的分类器。 分类器和算法是独立于任何特定的机器人手的, 因此, 可以在各种物体上进行。 我们通过实验、 微缩缩缩的、 算法来显示一个特定的天体大小的物体, 以及精确的大小的分类。 此外, 显示一个特定的大小的大小, 我们显示一个特定的、 的大小的大小, 显示, 显示一个总的大小的大小的大小的大小, 我们显示, 显示, 显示, 显示一个特定的大小的大小的大小的大小的大小, 显示, 我们的大小的大小, 显示, 我们显示, 显示, 显示, 显示, 显示, 显示, 和精确的大小的大小的大小的大小, 我们的大小, 显示, 显示, 显示, 显示, 显示, 显示, 显示, 显示, 和的大小的大小的大小的大小的大小的大小的大小的大小的大小的大小, 我们的大小的大小, 我们的大小的大小, 我们的大小, 我们显示, 我们显示, 显示, 显示, 显示, 我们的大小, 显示, 显示, 显示, 显示, 显示, 显示, 显示, 和大小的大小的大小的大小, 我们的大小, 我们的大小的大小, 我们的大小, 显示, 显示, 显示, 显示, 显示, 显示, 我们的大小, 显示, 显示, 我们的大小, 显示,