XiaoMi-AI文件搜索系统
World File Search SystemTactile
带有触觉传感的机器人手的通用滑动检测
滑动检测是要识别抓握过程中对象是否保持稳定，这可以显着增强操纵灵量。在这项研究中，我们探索了能够执行各种掌握类型的五指机器人手的滑移检测，并在整个五个手指上检测到滑移，而不是专注于单个指尖。首先，我们构建了一个在六种抓地力类型的日常生活中收集的数据集，其中包括200 k个数据点。第二，根据深重下降的原理，我们为不同的抓握类型（USDConvnet-dg）设计了一个轻巧的通用滑动检测网络，以对掌握状态进行分类（无触摸，打滑和稳定的抓紧）。通过将频率与时域特征相结合，该网络的计算时间仅为1.26 ms，平均精度在验证和测试数据集上的平均精度超过97％，表明了强大的概括功能。此外，我们在现实世界中的实时掌握力调整中验证了提出的USDConvnet-DG，表明它可以有效地提高机器人操作的稳定性和可靠性。
使用触觉感知和监督政策学习
引言强大而稳定的抓握是成功机器人操作的关键要求之一。尽管在抓住领域取得了很大进步（Bohg等人2014），最新方法仍可能导致失败。iDe，机器人将足够快地检测出故障以纠正它们。此外，机器人应该能够从错误中学习，以避免将来的类似失败。为了应对这些挑战，我们建议在掌握的初始阶段使用早期的掌握稳定性预测。我们还提出了一种机器学习方法，该方法能够学习一种基于触觉感知并随着时间的推移而改善的纠正失败的graSps行为。在我们以前的工作中（Chebotar等人2016b），我们迈出了使用时空触觉特征和增强学习的第一步，朝着自主重新审向行为。我们能够证明，如果提供了足够的数据，则可以使用线性策略来学习简单的重新制定策略。但是，这些策略并不能比接受过培训的策略对其他类别的对象进行概括。造成这种缺点的主要原因是策略不足以捕获对象的不同形状和物理特性的丰富性。学习一个更复杂且可推广的策略的潜在可能是采用更复杂的政策类别，并收集许多带有各种对象的现实机器人数据来学习策略参数。在中提出了类似的方法（Finn等人这种解决方案的主要弱点是，除了需要大量数据外，这些复杂的政策通常会导致学习者陷入贫困的本地优点（Deisenroth，Neumann和Peters 2013）。在本文中，我们建议以监督的方式学习一项复杂的高维重新制定政策。我们的方法使用简单的线性策略来指导一般政策，以避免本地最小值差，并从较少的数据中学习一般政策。在政策搜索中使用监督学习的想法已在（Levine，Wagener和Abbeel 2015）中使用，在该搜索中，作者使用轨迹优化来指导政策学习过程，并将学习的政策应用于各种操纵任务。2015），作者在
基于安全带张力的触觉收购请求...
结果结果表明，较短的交货时间导致更快的接管反应，从而导致更快的反应时间和更长的手动驾驶时间。此外，当使用视觉和听觉通知（VA）并使用安全带张力模式（T）时，与仅使用视觉和听觉通知相比，接管反应时间的速度明显更快。尤其是，当使用高不于安全带张力模式（VA+T HU1）时，发生了最快的反应时间。手动驾驶时间最短时，当较低的安全带张力图案（VA+T LU）和高紧迫性模式（VA+T HU1）时，可能是由于驾驶员对更紧急信号的响应的速度更快。车道的出发，碰撞或非驾驶任务绩效没有显着差异。然而，对安全带张力模式（可靠性，可靠性和整体满意度）的主观满意度高度积极，平均高于4.5分。
弯曲是纤维表面触觉感知的关键机制
材料的触觉感知将材料的性质和结构与我们通过触摸识别和评估这些材料的过程联系起来。触觉感知的研究结果使我们能够设计和制造具有预定触觉吸引力的材料。天然和日常材料的触觉感知通常用所谓的触觉维度来描述，这些维度由粗糙/光滑、硬/软、冷/暖和粘/滑等词对定义。[1] 这些触觉维度是在心理物理研究中确定的，这些研究分析了研究参与者的主观判断与粗糙度、弹性柔顺性、热扩散率和摩擦力等物理材料性质之间的相关性。触觉维度感知的潜在机制和相应的敏锐度是正在进行的研究的主题。一种重要的研究策略是创建定义明确的模型材料，该模型材料只有一个参数（如表面粗糙度或样品柔顺性）有系统的变化，目的是刺激特定的触觉维度。通过对光滑度感知或这些样本之间相似性感知等量的幅度估计，研究参与者可以洞悉相关材料参数和触觉感知的细微差异。大量研究工作在系统地改变表面结构的实验中探讨了粗糙/光滑维度。仅举几个例子，Lederman 和 Taylor 量化了感知粗糙度的幅度估计如何取决于金属表面凹槽的几何形状和宽度。[2] Hollins 研究了不同粒径砂纸的触觉，为纹理感知的双重理论提供证据，该理论预测，对于 100-200 μ m 以下的细微结构，触觉主要受振动提示的影响，而对于粗糙结构，则受空间静态提示的影响。[3] Skedung 制备了应变引起的表面皱纹的复制品，并证明人类的触觉可以辨别纳米级的振幅。 [4] 除了心理物理学研究之外，对纹理表面触觉的神经生理学研究还提供了对不同尺度粗糙度感知的神经机制的洞察。[5] 人类通过触觉辨别表面化学性质的能力已在平面上得到证实，包括不同的材料 [6] 和不同的化学表面改性。[7]
触觉增强的完整上肢外骨骼接口
摘要：操纵既涉及精细的触觉反馈，又涉及FingerPad机械感受器感知的动态瞬变，也涉及动态触觉反馈，而动态触觉反馈则涉及整个手肌肉骨骼结构。在远程操作实验中，这些基本方面通常在操作员侧的不同设置之间进行分配：使用轻质手套和光学跟踪系统的那些设置，朝向仅触觉反馈的那些，以及那些实现外观骨骼或接地操纵器作为具有抗hepticic设备的hepticic设备，可提供KinaEsticic Enceptics。在手界面的水平上，提供动力学力反馈的外骨骼在最大渲染力和嵌入式执行器的带通之间进行了权衡，从而使这些系统无法正确地呈现触觉反馈。为了克服这些局限性，在这里，我们研究了一个完整的上肢外骨骼，覆盖了从肩部到手指裂料的所有上肢身体部位，并在指尖与线性语音盘绕器执行器结合。这些是为了呈现宽带触觉反馈以及手部外骨骼提供的动力学力反馈。在两个不同的反馈条件下（仅视觉和视觉供应），我们将在采摘远程操作任务中调查系统。根据测量的相互作用力和正确试验的数量进行了评估和比较。这项研究证明了能够组合的动觉和触觉触觉反馈的复杂的全肢外骨骼（七个肢体驱动的DOF加五个手动DOF）的总体可行性和有效性。定量结果表明，当提供触觉反馈时，尤其是对于均值和峰值施加的力，以及拾取和地位任务的正确速度时，效果的改善显着。
触觉互联网 ITU-T 技术观察报告 2014 年 8 月
Gerhard Fettweis 教授 – 德累斯顿工业大学 Holger Boche 教授 – 慕尼黑工业大学 Thomas Wiegand 教授 – 柏林工业大学和弗劳恩霍夫海因里希赫兹研究所 Erich Zielinski 教授 – 阿尔卡特朗讯通信研究基金会 Hans 教授Schotten – DFKI 和凯泽斯劳滕大学 Peter Merz – 诺基亚解决方案和网络管理国际有限公司 Sandra Hirche 教授 – 慕尼黑工业大学 Dr. Andreas Festag – 德累斯顿工业大学博士Walter Häffner – 沃达丰有限公司 Dr. Michael Meyer – 爱立信有限公司 Eckehard Steinbach 教授 – 慕尼黑工业大学 Rolf Kraemer 教授 – IHP，高性能微电子创新 Ralf Steinmetz 教授 – 达姆施塔特工业大学 Dr. Frank Hofmann – 罗伯特博世有限公司 Peter Eisert 教授 – 弗劳恩霍夫海因里希赫兹研究所 Dr. Reinhard Scholl – 国际电信联盟 Frank Ellinger 教授 – 德累斯顿工业大学 Dr. Erik Weiß – 德国电信有限公司 Ines Riedel – 德累斯顿工业大学
欢乐时光：特质享乐主义能力与喝酒的动机之间的关联
进化塑造了个别物种的感觉能力和能力。在啮齿动物中，主要居住在黑暗的隧道和洞穴中的啮齿动物中，基于晶须的体感系统已发展为主要的感觉方式，对于环境探索和空间导航至关重要。相比之下，在日常生活中从周围的感觉空间收集信息时，人类更多地依赖于视觉和听觉输入。由于这种物种特定的感觉优势，认知相关性和能力的差异，跨物种类似的感觉认知机制的证据仍然很少。然而，最近对啮齿动物和人类的研究产生了令人惊讶的可比处理规则，用于检测触觉刺激，将触摸信息融入感知和目标指导的规则学习。在这里，我们回顾了跨物种的大脑如何利用此类处理规则在触觉学习过程中建立决策，遵循丘脑的规范电路和主要的体体皮质到额叶皮层。我们讨论了啮齿动物中微观和介镜研究的经验证据和计算证据之间的一致性，以及人类宏观成像的发现。此外，我们讨论了未来跨物种研究的相关性和挑战，以解决基于知觉学习的相互依赖于上下文的评估过程。
通过对人皮层的图案微刺激的触觉边缘和运动
11 Shirley Ryan能力实验室，伊利诺伊州芝加哥。¥对应：vallegiacomo@gmail.com†体感皮质的同等贡献的心理内微刺激（ICMS）会唤起触觉感觉，可以通过改变电极和刺激参数1-3来系统地操纵其位置和特性。这种现象可用于从脑控制的仿生手传达有关对象相互作用的反馈。但是，ICMS当前提供了艰巨的触摸感，限制了灵巧的对象操纵和对神经假体系统的有意识体验。利用我们对S1 4,5中这些感官特征如何编码的理解，我们试图扩展基于ICMS的人工触摸的曲目，以提供有关瘫痪者中对象的局部几何形状和运动的信息。首先，我们通过多个空间图案的电极同时传递了ICM，采用了对齐投影场（PFS）的特定布置。未提及的参与者报告了边缘的感觉。接下来，我们创建了更复杂的PFS，发现参与者可以直观地感知任意触觉形状和皮肤压痕模式。通过依次通过具有空间不连续的PF的电极传递图案化的ICM，我们甚至可以唤起整个皮肤的运动感觉，即我们能够系统地操纵的方向和速度。我们得出的结论是，受我们对S1中触觉编码的理解启发的ICM的适当时空图案可以引起复杂的感觉。我们的发现有助于推动人造触摸的界限，从而丰富了参与者的有意识的感觉体验，从简单的人造知觉到模仿自然触摸的高度信息的感觉。
通过脑电图 (EEG) 频谱对织物触觉刺激进行神经感知辨别
在神经科学领域，对织物与皮肤相互作用过程中的感觉知觉的精确评估仍然知之甚少。本研究旨在通过脑电图 (EEG) 光谱强度研究不同纺织品对织物刺激的皮质感觉反应，并评估 EEG 频带、传统主观问卷和材料物理性质之间的关系。招募了 12 名健康成年参与者来测试三种不同纺织品成分的织物，这三种织物分别为 1) 棉、2) 尼龙和 3) 涤纶和羊毛。通过织物触感测试仪 (FTT) 定量评估织物的物理性质。邀请受试者通过主观问卷和客观 EEG 记录对织物样品的感觉知觉进行评分。对于不同的织物刺激，EEG 的 Theta 和 Gamma 波段相对光谱功率存在显著差异（P < 0.05）。 Theta 和 Gamma 能量与问卷调查的大多数主观感觉以及 FTT 测量的织物物理特性具有显著相关性（P < 0.05）。EEG 频谱分析可用于区分不同纺织成分的织物刺激，并进一步指示织物刺激过程中的感觉知觉。这一发现可为进一步通过 EEG 频谱分析探索性研究感觉知觉提供依据，可应用于未来假肢中皮肤触觉的大脑发生器的研究以及工业中感觉知觉的自动检测。
触觉渗透性：在触觉设备中添加孔可改善灵巧性
图1：（a）提高了针对指尖的触觉设备的可用性和最小化，研究人员离开了厚厚的执行器（例如振动电动机），而是专注于薄设备 - 成功的例子是电动刺激。这些可以设计为薄，即使用力膜覆盖了电极膜（例如，合规性或宏观功能），它仍然可以感觉到某些感觉。但是，我们认为这还不够，并且还应平衡触觉设备的损害，从而使感觉到现实世界与它具有虚拟感觉的准确程度。因此，我们提出并评估如何在电动设备中添加孔，从而导致：（1）改善触觉特征的感知； （2）改善掌握任务中的力控制（b）我们的方法显着提高了触觉用户在混合现实中的灵活活动（包括操纵工具）的能力。