基于Bioin-Tacto传感器模块的机器人取多模式数据集
Viral Galayia1, Ruslan Masinjila1, Soheil Khatibi2
1Department of Computer Science, Memorial University of Newfoundland, St. John's, NL, Canada.
Data in brief
|February 25, 2025
概括
这项研究引入了机器人的新触觉传感数据集,这对于改善复杂环境中的操纵至关重要. 这些数据有助于训练机器人更好地理解物理相互作用,并提高任务成功率.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 传感器技术 传感器技术
背景情况:
- 机器人需要提高环境意识来完成非结构化任务.
- 基于视觉的传感 (遮蔽,可见性) 的局限性需要替代方法.
- 触觉感应为机器人操纵和探索提供了一个有希望的途径.
研究的目的:
- 从机器人提取任务中创建一个全面的触觉信号数据集.
- 为了促进机器人操纵和物体探索的研究,使用触觉反.
- 为了使强化学习模型的预训练能够用于入洞任务.
主要方法:
- 在机器人抓手上使用Bioin-Tacto模块进行数据采集.
- 记录了传感器数据,包括角速度,加速度,磁场和取期间的压力.
- 收集了96个提取事件,包括来自强化学习剂的数据.
主要成果:
- 该数据集在复杂的物理相互作用期间捕获了丰富的触觉信息.
- 数据包括对了解接触动态至关重要的多模式传感器读数.
- 该数据集适用于预训练机器学习模型用于机器人操纵.
结论:
- 开发的数据集支持机器人领域触觉感应的进步.
- 使用此数据集进行预训练可以提高机器人在入洞任务中的性能.
- 本资源有助于研究触觉信号推断和操纵器成功率.
