Resumen de Force-based touch approach for volume estimation: Aproximación de tacto basada en fuerza para estimación de volumen

Julio Castaño Amorós, Killian Trebuchon, Pablo Gil Vázquez, Youcef Mezouar

• español

  Un agarre robótico óptimo no puede limitarse a la estimación de pose de agarre del objeto mediante visión. Se hace necesario el uso de sensores táctiles para conocer las propiedades físicas de los objetos que se agarran. En este trabajo, integramos dos sensores táctiles Contactile basados en la fuerza con una pinza ROBOTIQ 2F-140 y un robot UR5, para estimar el volumen de un recipiente lleno de agua utilizando redes neuronales Perceptrón Multicapa (MLP). Durante la experimentación entrenamos y evaluamos diferentes MLPs variando las fuerzas de entrada (Fx, Fy, Fz) en una tarea de regresión de volumen discreto en un rango de entre 0ml y 300ml. El enfoque preliminar propuesto se compara con un método algebraico basado en el diagrama del equilibrio de fuerzas, demostrando que nuestros resultados son más precisos, obteniendo un valor R2 un 8% superior en el peor de los casos, y del 30% en el mejor.

• English

  Optimal robotic grasping cannot be limited to the estimation of object grasping pose using vision-based methods. It is necessary to use tactile sensors to learn the physical properties of the objects that are to be grasped. In this work, we integrated two Contactile force-based tactile sensors with a 2F-140 ROBOTIQ gripper and a UR5 robot to estimate the volume of a water-filled container using Multilayer Perceptron (MLP) neural networks. During experimentation, we trained and evaluated different MLPs varying the input forces (Fx,Fy,Fz) in a task of discrete-volume regression in a range of between 0ml and 300ml. The preliminary proposed approach is compared with an algebraic method based on the diagram of the equilibrium of forces, proving that our results are more precise, obtaining aR2value of 8 % higher in the worst-case scenario, and of 30 % in the best.