Dissertação

{en_GB=Grasp-based Object Identification} {} EVALUATED

{pt=Os avanços recentes em tecnologia e robótica permitem métodos novos e cada vez mellhores para a classificação de objectos. No entanto, muitos dos modelos existentes requerem características detalhadas do objecto ou informação visual prévia que define o formato do objecto em questão. Neste trabalho, propomos dois métodos de baixo custo para a identificação de objectos, utilizando uma mão robótica com vários dedos e capacidades proprioceptivas. Ambos os métodos são testados para objectos conhecidos, cujas caracteristicas foram previamente obtidas agarrando os objectos sequencialmente e guardando os valores que descrevem cada um. As características são obtidas através das posições e orientações dos contactos entre a mão e o objecto e não requerem reconstruções detalhadas do mesmo. Além disto, ao contrário da maioria dos métodos da literatura, os nossos métodos não dependem da orientação relativa entre o objecto e a mão, o que expande significativamente o domínio da aplicação. No entanto, se essa informação estiver disponível, propomos um novo método de exploração ativa que reduz, no geral, o número de grasps necessários para um bom reconhecimento dos objectos. Além disto, implementamos a estimativa da pose entre a mão e o objecto, de maneira a reduzir o número de grasps necessários, mantendo a sua independência da pose relativa entre a mão e o objecto. Os métodos propostos são testados no simulador robótico GraspIt! e mostramos que é possível classificar objectos através de características tácteis, sem ser necessário a pose relativa entre mão e objecto. , en=The new advancements in technology and robotics allow for new and ever-improving methods for object classification. However, many existing models either require preconceived visual notions of the object's shape or require very detailed features of the object to be classified. In this work, we propose two cost efficient methods for object identification using a multi-fingered robotic hand equipped with proprioceptive and tactile sensing. Both methods are trained on known objects and rely on a limited set of features, obtained by grasping the object. These features are produced using positions and orientations of contact locations and do not require detailed reconstructions of the object. In addition, contrary to most methods in the literature, our methods do not rely on the knowledge of the relative pose between the object and the robotic hand. This addition greatly expands the domain of application since the objects are determined from tactile information alone, without using the relative pose of the objects for the calculation of the features. However, if that knowledge is available, we propose an additional active exploration approach that decides the next best grasp, thereby reducing the overall number of grasps required for a good recognition of the objects. On top of this, pose estimation is added to the active exploration approach. We test the proposed methods in the GraspIt! Simulator and show that haptic-based object classification is possible in pose-free conditions. }
{pt=Grasp, Sensores tácteis, Estimativa recursiva de estado, Identificação de objectos, Simulador GraspIt!, Point Pair Features, en=Grasp, Haptic Sensing, Recursive State Estimation, Object Classification, GraspIt! Simulator, Point Pair Features.}

Janeiro 14, 2021, 12:0

Orientação

ORIENTADOR

Plinio Moreno Lopez

ISR

Investigador

ORIENTADOR

Alexandre José Malheiro Bernardino

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado