【CMU博士论文】机器人学习中的触觉感知：从开发到部署

文章预览

触觉感知在机器人与物理环境交互中扮演着重要角色，这一观点已被广泛认可。然而，现有的传感器中，少有能够在机器人领域中得到广泛应用。本文提出了一个将触觉感知融入机器人学习范式的框架，涵盖从开发到部署的全过程，并通过ReSkin——一种多功能且可扩展的磁性触觉传感器为实例。通过探讨ReSkin的设计、集成、策略学习和表示学习，本文旨在为机器人学习中有效的感知系统的实现提供指导。 我们首先提出ReSkin——一个低成本、紧凑且多样化的触觉感知平台。我们开发了一种自监督学习技术，使得传感器具备可替换性，通过适应已学习的模型推广到新的传感器实例。接下来，我们在灵巧操作的背景下研究了ReSkin的可扩展性：我们引入了D'Manus，一个廉价、模块化且坚固的平台，集成了大面积的ReSkin传感，旨在满足机器人学习的大规模数 ………………………………