Detección de agarre de objetos desconocidos con sensor visual-táctil

Abstract

[Resumen] La manipulación robótica sigue siendo un problema no resuelto. Implica muchos aspectos complejos como la percepción táctil de una amplia variedad de objetos y materiales, control de agarre para planificar la postura de la mano robótica, etc. La mayoría de los trabajos anteriores sobre este tema han estado utilizando sensores caros. Este hecho dificulta la aplicación en la industria. En este trabajo, se propone un sistema de detección de agarre mediante un sensor táctil de tecnología de imagen y bajo coste, conocido como DIGIT. El método desarrollado basado en redes convolucionales profundas es capaz de detectar contacto o no contacto, con precisiones superiores al 95%. El sistema ha sido entrenado y testado con una base de datos propia de más de 16000 imágenes procedentes de agarres de diferentes objetos, empleando distintas unidades de DIGIT. El método de detección forma parte de un controlador de agarre para una pinza ROBOTIQ 2F-140.

[Abstract] Robotic manipulation is still a challenge. It involves many complex aspects such as tactile perception of a wide variety of objects and materials, grip control to plan robotic hand posture, etc. Most of the previous work used expensive sensors for tactile perception tasks. This fact implies difficulty in transferring application results to industry. In this work, a grip detection system is proposed. It uses DIGIT sensors based on low-cost image technology. The method developed, which is based on deep Convolutional Neural Networks (CNN), is capable of detecting contact or non-contact, with success rates greater than 95 %. The system has been trained and tested on our own dataset, composed of more than 16,000 images from different object grasping, also using several DIGIT units. The detection method is part of a grip controller used with a ROBOTIQ 2F-140 gripper.