TLIG传感器也可以集成到阵列中,作为软机器人夹具的受器。此外,利用基于卷积神经网络的深度神经网络,通过软TLIG触觉感知阵列进行纹理识别,对不同表面粗糙度的物体的总体分类率为94.51%,从而在实时实际场景中提供了较高的精度。 创新点 1. 提出了基于激光诱导石墨烯和弹性体热压的模具激光诱导石墨烯(TLIG)薄膜制备方法,...
TLIG触觉传感器用于基于深度神经网络的纹理触觉感知 人类可以通过手部神经元分析复杂的振动信号来区分物体,这对机器人来说是一个挑战。本研究采用基于卷积神经网的机器学习算法对柔性机械手采集的数据进行处理和分析,实现纹理触觉感知。测试系统由柔性机械手、基于TLIG的触觉传感阵列、编码器、解码器和神经网络组成,该系统用...
为了展示集成和规模化制造的能力,研究人员将5×2触觉传感阵列集成到机器人抓手系统中,利用深度神经网络识别不同物体的物理特征,实现触觉感知。基于卷积神经网络(CNN)的纹理识别系统具有94.51%的较高识别准确率。与传统制造方法相比,混合制造策略为生产高效率、低成本的触觉传感器提供了一种很有前景的方法。 该研究以题...
TLIG触觉传感器用于基于深度神经网络的纹理触觉感知 人类可以通过手部神经元分析复杂的振动信号来区分物体,这对机器人来说是一个挑战。本研究采用基于卷积神经网的机器学习算法对柔性机械手采集的数据进行处理和分析,实现纹理触觉感知。测试系统由柔性机械手、基于TLIG的触觉传感阵列、编码器、解码器和神经网络组成,该系统用...
相比之下,由深度神经网络驱动的机器视觉系统有时甚至能在固定条件下比人类更好地识别猫,但如果图像中有即使一点点的噪声或颗粒状的图像,人工智能就无法识别。 德国的一个研究小组现在发现了一个意想不到的原因:当人类注意图片对象的形状时,深度学习计算机视觉算法通常会抓住对象的纹理。这一发现在今年5月举行的“...
然而,四种不同的分类算法却倾向于另一种方式,它们给出的标签却根据纹理。哥伦比亚大学的计算神经学家尼古拉斯说:“这改变了我们对深度学习神经网络如何进行视觉识别的理解。” 乍一看,人工智能偏爱纹理甚于形状似乎有些奇怪,但这是有道理的。克里格斯科特说:“你可以把纹理想象成精细尺度上的形状。这种精细尺度更容易被...
深度学习是一种模拟人类大脑思维方式的机器学习方法,它通过构建多层次的神经网络结构,自动学习数据的特征表示。在人脸识别领域,深度学习主要应用于图像分类和特征提取,其中卷积神经网络(CNN)是最常用的模型之一。 2. 人脸识别的流程 人脸识别通常包括以下几个步骤:人脸检测、人脸预处理、特征提取、人脸模型训练和识别。其...
TLIG 传感器还可以集成到阵列中,作为软机器人抓手的感受器。此外,基于卷积神经网络的深度神经网络被用于通过软 TLIG 触觉传感阵列进行纹理识别,在不同表面粗糙度的物体上实现了 94.51% 的总体分类率,因此在实时实际应用场景中具有很高的准确性...
当在有纹理的表面上滑动时,触觉传感器会生成时间序列数据,而非静态触觉图像。此时,分类前的关键步骤是将时间序列预处理成机器学习算法可接受的输入形式。最简单的方法是将传感信号截取为固定长度的数据序列,将其作为与时间无关的模型(例如全连接神经网络、SVM和一维CNN)的常规数据数组。
我们知道，卷积神经网络在识别视觉对象方面很出色，但还不能很好的识别出物体的具体属性，比如表面形状、纹理等。而最近，李飞飞团队的最新研究——Learning Physical Graph Representations from Visual Scenes，就一举解决了这个问题。还引入了物理场景图（Physical Scene Graphs，PSG）和对应的PSGNet网络架构。PSG的概念...