Key points are not available for this paper at this time.
Robôs executam diversas operações de carga, incluindo transportar, levantar, inclinar e mover objetos, envolvendo mudanças ou transferências de carga. Este processo dinâmico pode resultar na mudança das operações interativas de estabilidade para instabilidade. Neste artigo, respondemos a essas mudanças dinâmicas utilizando imagens tácteis capturadas de sensores tácteis durante interações, conduzindo um estudo sobre a estabilidade dinâmica e instabilidade nas operações, e propomos uma rede de sensoriamento de estado dinâmico em tempo real integrando redes neurais convolucionais (CNNs) para extração de características espaciais e redes de memória de longo e curto prazo (LSTM) para capturar informações temporais. Coletamos um conjunto de dados capturando toda a transição de estados estáveis para instáveis durante a interação. Empregando uma janela deslizante, amostramos quadros consecutivos do conjunto de dados coletado e os alimentamos na rede para as previsões de mudança de estado dos robôs. A rede alcança tanto previsão de sequência temporal em tempo real a 31,84 ms por passo de inferência quanto uma precisão média de classificação de 98,90%. Nossos experimentos demonstram a robustez da rede, mantendo alta precisão mesmo com objetos nunca antes vistos.
Zhao et al. (Mon,) estudaram esta questão.