elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Robust material classification with a tactile skin using deep learning

Baishya, Shiv S. und Bäuml, Berthold (2016) Robust material classification with a tactile skin using deep learning. In: IEEE International Conference on Intelligent Robots and Systems. IROS 2016, 2016-10-09 - 2016-10-14, Daejeon, South Korea. doi: 10.1109/iros.2016.7758088.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Kurzfassung

Attaching a flexible tactile skin to an existing robotic system is relatively easy compared to integrating most other tactile sensor designs. In this paper we show that material classification purely based on the spatio-temporal signal of a flexible tactile skin can be robustly performed in a real world setting. We compare different classification algorithms and feature sets, including features adopted and extended from previous works in tactile material classification and that are based on the signal’s Fourier spectrum. Our convolutional deep learning network architecture, which we also present here, is directly fed with the raw 24000 dimensional sensor signal and performs best by a large margin, reaching a classification accuracy of up to 97.3%.

elib-URL des Eintrags:https://elib.dlr.de/109881/
Dokumentart:Konferenzbeitrag (Vortrag, Poster)
Titel:Robust material classification with a tactile skin using deep learning
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Baishya, Shiv S.shiv.baishya (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bäuml, BertholdBerthold.Baeuml (at) dlr.dehttps://orcid.org/0000-0002-4545-4765NICHT SPEZIFIZIERT
Datum:2016
Erschienen in:IEEE International Conference on Intelligent Robots and Systems
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1109/iros.2016.7758088
Status:veröffentlicht
Stichwörter:tactile skin, material classification, deep learning, convolutional neural networks
Veranstaltungstitel:IROS 2016
Veranstaltungsort:Daejeon, South Korea
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:9 Oktober 2016
Veranstaltungsende:14 Oktober 2016
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Technik für Raumfahrtsysteme
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R SY - Technik für Raumfahrtsysteme
DLR - Teilgebiet (Projekt, Vorhaben):R - Autonome, lernende Roboter [SY]
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Robotik und Mechatronik (ab 2013)
Hinterlegt von: Baishya, Shiv
Hinterlegt am:20 Dez 2016 23:05
Letzte Änderung:07 Jun 2024 10:42

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.