基于柔性物体识别的低成本触觉手套开发策略

目的人类能够轻松感知抓握物体的形状和纹理。然而,对于可穿戴设备而言,像人手一样准确识别物体仍然是一个挑战。方法在本研究中设计了一个实验,要求受试者抓握3个柔性物体(圆柱形、球形和椭球形气囊),同时通过在手上粘贴22个FSR传感器以采集触觉数据。首先利用递归特征消除算法,结合交叉验证策略,排除对抓握识别任务贡献较小的传感器,确定最佳的传感器及其位置。其次通过6种机器学习分类器(LR、SVM、KNN、LDA、RF和MLP)验证所选传感器在抓握识别中的表现。最后根据最佳的传感器位置将7个传感器安装在开发的智能手套上,并设计了新的实验来检验手套在任意抓握柔性物体中的识别表现。结果使用7个传感器的平均识别准确率(ACC=93.97%±6.27%)与使用22个传感器的平均识别准确率(ACC=97.78%±3.53%)相当。此外,参与者在以任意力量进行抓握时,手套仍然表现出了非常高的平均识别准确率(ACC=91.67%±2.28%)。此外,通过相关性分析,确定了抓握不同柔性物体时,不同手部位置传感器对抓握的贡献和相互作用,这有助于理解传感器被选择或剔除的原因。结论充分的验证和分析表明,本工作提供了一种通过仅有少量传感器的低成本手套来实现柔性物体识别的简单解决方案。