机构名称：
¥ 1.0
摘要 - 电流机器人触觉对象识别依赖于从运动相互作用信号（例如力，振动或位置）得出的统计措施。可以从这些信号估算的机械性能是可能产生更强大对象表示的内在对象属性。因此，本文提出了一个使用多种代表性的机械特性的对象识别框架：刚度，粘度和摩擦系数以及恢复原状的系数，很少被用于识别对象。这些属性是使用双重卡尔曼滤波器实时估计的（无切向力量测量），然后用于对象clasinition和clustering。通过触觉探索识别20个对象的机器人，对所提出的框架进行了测试。结果证明了该技术的有效性和效率，并且所有四个机械性能都是最佳识别率为98.18±0.424％所必需的。对于对象聚类，与基于统计参数的方法相比，这些机械性能的使用也可以提高性能。
使用机械影响，粘弹性的对象识别...
主要关键词
相关文件推荐
