[논문 리뷰] A Handheld Device for the In Situ Acquisition of Multimodal Tactile Sensing Data

Joshua Wade, Tapomayukh Bhattacharjee외 1명|arXiv (Cornell University)|2015. 11. 10.

Tactile and Sensory Interactions참고 문헌 3인용 수 4

한 줄 요약

이 논문은 일상적인 물체에서 자연 환경에서 현장에서 다중 모odal 触각 데이터—력, 진동, 가속도, 온도—를 촬영할 수 있는 이동식 휴대형 장치를 제시한다. 장치는 칫솔과 침대 모서리 사이를 100% 정확도로 구분했으며, Towel과 타월 랙 사이를 95% 정확도로 식별하여 로봇 触각 인식 시스템을 위한 고품질 학습 데이터 확보 가능성을 입증한다.

ABSTRACT

Multimodal tactile sensing could potentially enable robots to improve their performance at manipulation tasks by rapidly discriminating between task-relevant objects. Data-driven approaches to this tactile perception problem show promise, but there is a dearth of suitable training data. In this two-page paper, we present a portable handheld device for the efficient acquisition of multimodal tactile sensing data from objects in their natural settings, such as homes. The multimodal tactile sensor on the device integrates a fabric-based force sensor, a contact microphone, an accelerometer, temperature sensors, and a heating element. We briefly introduce our approach, describe the device, and demonstrate feasibility through an evaluation with a small data set that we captured by making contact with 7 task-relevant objects in a bathroom of a person's home.

연구 동기 및 목표

• 로봇 분야에서 데이터 기반 촉각 인식을 위한 적합한 학습 데이터 부족 문제를 해결하기 위해.
• 가정과 같은 자연 환경에서 다중 모달 촉각 데이터를 촬영할 수 있는 이동식이자 사용자 우호적인 장치를 개발하기 위해.
• 실생활 상호작용 중 작업 관련 물체의 촉각 반응을 효율적으로 데이터 수집하기 위해.
• 이 장치를 활용해 정확한 촉각 물체 식별을 뒷받침하는 데이터 수집의 가능성을 평가하기 위해.
• 로봇의 만능 기능 향상을 위해 다양하고 확장 가능한 촉각 데이터 수집 방법을 제공하기 위해.

제안 방법

• 장치는 직물 기반의 힘 센서, 접촉 마이크로폰, 가속도계, 온도 센서, 다중 모달 감지용 난방 요소를 통합한다.
• 500 Hz(힘, 진동, 가속도) 및 100 Hz(온도, 열전달)로 샘플링하기 위해 라즈베리 파이 2와 12비트 ADC를 사용하여 USB 플래시 드라이브에 데이터를 기록한다.
• 참고 센서(LM35 및 ATI Mini45)에 대응하는 캘리브레이션을 통해 원시 ADC 출력을 물리적 단위로 변환하였다.
• 접촉 속도를 추정하기 위해 적외선 근접 센서와 타이머를 사용하였으며, 각 물체의 사진을 촬영하기 위해 내장된 카메라를 탑재하였다.
• 데이터 전처리 과정으로 시간 시리즈를 2100개 샘플(접촉 전 0.2초에서 접촉 후 4초까지)로 잘라내고, 평균과 분산으로 정규화한 후, 차원 감소를 위해 15개 성분을 사용한 주성분 분석(PCA)을 적용하였다.
• 다중 모달 특징를 연결하여 분류한 선형 서포트 벡터 머신(SVM) 분류기와 5중 교차 검증을 사용하였다.

실험 결과

연구 질문

• RQ1 휴대형 장치가 가정과 같은 실생활 환경에서 물체로부터 다중 모달 촉각 데이터를 효율적으로 촬영할 수 있는가?
• RQ2 수집된 촉각 데이터가 작업 관련 물체(예: 칫솔 vs. 침대 모서리)를 정확히 식별하는 데 기여하는가?
• RQ3 접촉 시 강성 있는 물체와 탄성 있는 물체 간에 힘, 진동, 가속도 반응은 어떻게 다를까?
• RQ4 다중 모달 촉각 데이터는 로봇의 만능 작업 수행을 위한 촉각 인식 능력을 어느 정도 향상시킬 수 있는가?
• RQ5 다양한 접촉 속도로 반복 가능한 실험을 수행할 수 있도록 장치가 일관된 데이터 수집을 지원할 수 있는가?

주요 결과

• 장치는 가정 욕실 환경에서 7개의 작업 관련 물체로부터 일관되고 반복 가능한 시험을 통해 다중 모달 촉각 데이터를 성공적으로 확보하였다.
• 더 강성 있고 고정된 침대 모서리에 접촉할 경우, 탄성 있는 칫솔에 비해 힘, 진동, 가속도의 초기 반응이 더 크고 급격하게 나타났다.
• SVM 분류기는 칫솔과 침대 모서리 사이를 100% 정확도로 구분하여 모든 테스트 쌍 중에서 가장 높은 성능 기록을 하였다.
• 타월과 타월 랙 사이의 식별 정확도는 95%를 기록하여 중간 정도의 탄성 물체에 대해 뛰어난 성능을 보였다.
• 변기 손잡이와 변기 탱크, 변기 좌석과 변기 탱크 쌍의 경우 정확도가 각각 75%로 떨어졌으며, 이는 유사하거나 낮은 탄성 물체에 대한 도전 과제를 시사한다.
• 연구에서는 15개 성분을 사용한 PCA가 데이터 분산의 97% 이상을 유지함으로써 분류에 효과적인 차원 감소를 가능하게 했다.