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

Bayesian Inference on LSTM-based Object Recognition from Tactile and Kinesthetic Information

Pastor, Francisco und García-Gonzalez, Jorge und Gandarias, Juan M. und Medina, Daniel und Closas, Pau und García-Cerezo, Alfonso und Gómez-de-Gabriel, Jesús (2020) Bayesian Inference on LSTM-based Object Recognition from Tactile and Kinesthetic Information. IEEE Robotics and Automation Letters. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/lra.2020.3038377. ISSN 2377-3766.

[img] PDF - Nur DLR-intern zugänglich - Preprintversion (eingereichte Entwurfsversion)
4MB

Kurzfassung

Recent advances in the field of intelligent robotic manipulation pursue providing robotic hands with touch sensitivity. Haptic perception encompasses the sensing modalities encountered in the sense of touch (e.g., tactile and kinesthetic sensations). This letter focuses on multimodal object recognition and proposes a Bayesian methodology for the optimal fusion of tactile- and kinesthetic-based classification results. The procedure is as follows: a three-finger actuated gripper with an integrated high-resolution tactile sensor performs squeeze-and-release Exploratory Procedures (EPs). The tactile images and kinesthetic information acquired using angular sensors on the finger joints constitute the time-series datasets of interest. Each temporal dataset is fed to a Long Short-term Memory (LSTM) Neural Network, which is trained to classify in-hand objects. The LSTMs provide an estimation of the posterior probability of each object given the corresponding measurements, which after fusion allows to estimate the object through maximum a posteriori (MAP). An experiment with 24-classes is carried out to evaluate and compare the performance of the fused, tactile, and kinesthetic perception systems. The results show that the fusion-based algorithm improves capabilities for object-recognition.

elib-URL des Eintrags:https://elib.dlr.de/135241/
Dokumentart:Zeitschriftenbeitrag
Titel:Bayesian Inference on LSTM-based Object Recognition from Tactile and Kinesthetic Information
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Pastor, Franciscofpastor (at) uma.esNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
García-Gonzalez, Jorgejorgegarcia (at) lcc.uma.esNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Gandarias, Juan M.jmgandarias (at) uma.esNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Medina, DanielDaniel.AriasMedina (at) dlr.dehttps://orcid.org/0000-0002-1586-3269NICHT SPEZIFIZIERT
Closas, Paupau.closas (at) northeastern.eduhttps://orcid.org/0000-0002-5960-6600NICHT SPEZIFIZIERT
García-Cerezo, Alfonsoajgarcia (at) uma.esNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Gómez-de-Gabriel, Jesúsjesus.gomez (at) uma.esNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Juni 2020
Erschienen in:IEEE Robotics and Automation Letters
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/lra.2020.3038377
Verlag:IEEE - Institute of Electrical and Electronics Engineers
ISSN:2377-3766
Status:veröffentlicht
Stichwörter:Haptic; Object Recognition; Bayesian Inference; Classification
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Kommunikation und Navigation
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R KN - Kommunikation und Navigation
DLR - Teilgebiet (Projekt, Vorhaben):R - Projekt Navigation 4.0 (alt)
Standort: Neustrelitz
Institute & Einrichtungen:Institut für Kommunikation und Navigation > Nautische Systeme
Hinterlegt von: Medina, Daniel
Hinterlegt am:10 Jun 2020 18:44
Letzte Änderung:15 Jul 2021 16:26

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.