[发明专利]一种基于机器人的触觉数据感知分析方法

说明书

本发明公开一种基于机器人的触觉数据感知分析方法，所述机器人为接触端设有传感器的机械臂，所述基于机器人触觉的鲁棒感知分析方法包括如下步骤：构建材质样本数据库；选取预设的具有注意力机制模块的网络模型；将样本数据集输入网络模型进行训练并验证；将机械臂的传感器触觉数据输入训练完成的网络模型输出分析结果。提出了一种机械臂结合阵列式触觉传感器快速收集触觉数据的方案，通过机械臂快速按压收集触觉数据，每一次数据采集使用不同位姿下的机械臂，采用不同按压力度进行收集，能有效包括触摸时的不同接触状态。这种采样模式更加适应机器人操作的实际需求。

技术领域

本发明应用于机器人触觉感知领域，具体是一种基于机器人的触觉数据感知分析方法。

背景技术

近年来，不少研究者基于机器人触觉进行材质识别的研究。因为现如今，使用机器人探索非结构化环境的兴趣越来越强烈，而机器人集成触觉后，更在于其智能化的实现。机器人具有材质辨识能力，识别物体，下一步的操作将会更加精细和灵敏。

机器人触觉的实现有赖于触觉传感器的发展，柔性触觉传感器的出现使得机器人触觉仿人化成为可能。目前研究者为进行材质辨识使用的传感器主要可分为两类，一类传感器的频响较高，即基于动态力信息的触觉传感器，比如来自SynTouch的BioTac，以及依靠光学原理获取力、力矩信息的六维力传感器OptoForce；另一类是利用高空间分辨率的触觉传感器，即基于分布力信息的触觉传感器，比如，Tekscan的压力映射传感器，还有Gelsight传感器。使用这些触觉传感器，结合机器学习算法或深度学习方法，可以实现对材质的准确辨识。

当前采用机器人触觉进行材质识别的痛点其一在于机器人采样时间过长，缺乏识别效率，例如文献“Material Recognition using Tactile Sensing”中的按压及滑动动作采样用时20s，文献“An Extreme Learning Machine-Based Neuromorphic TactileSensing System for Texture Recognition”中的预接触、滑动及保持采样用时12s。其二在于研究纹理识别时，大多数研究者将触觉传感器安装在稳定工作台上，且控制材质与传感器进行稳定接触，如训练和测试都采取同一位姿，同一接触力或同一滑动速度等方式采样，在实际的机器人操作应用中，由于对象装配等带来的重定位误差，使得这样的实验设置产生的识别结果缺乏鲁棒性。其三在于大多数识别算法需要对样本进行复杂的特征提取，且设计特征并无权威理论依据。综上，当前缺乏兼顾采样效率，合理采样模式的机器人材质识别装置及分析方法。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种基于机器人的触觉数据感知分析方法。

为解决上述技术问题，本发明的一种基于机器人的触觉数据感知分析方法，所述机器人为接触端设有传感器的机械臂，所述基于机器人触觉的鲁棒感知分析方法包括如下步骤：

构建材质样本数据库；

选取预设的具有注意力机制模块的网络模型；

将样本数据集输入网络模型进行训练并验证；

将机械臂的传感器触觉数据输入训练完成的网络模型输出分析结果。

作为一种可能的实施方式，进一步的，所述构建材质样本数据库步骤具体包括：

S11、选取A组不同结构的样本；

S12、控制机械臂与样本接触并反馈触觉信息确定预设力度大小F(t_k)；

S13、控制机械臂分别与A组不同结构的样本依次接触，当接触力度达到预设力度大小后，以图像形式存下当前状态下传感器的反馈触觉信息进行样本收集。

作为一种可能的实施方式，进一步的，所述步骤S11中的样本结构均为柔性材质的第一物件包裹第二物件构成。