Evaluation of feature representation and machine learning methods in grasp stability learning

Janne Laaksonen*, Ville Kyrki, Danica Kragic

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

17 Sitaatiot (Scopus)

Abstrakti

This paper addresses the problem of sensor-based grasping under uncertainty, specifically, the on-line estimation of grasp stability. We show that machine learning approaches can to some extent detect grasp stability from haptic pressure and finger joint information. Using data from both simulations and two real robotic hands, the paper compares different feature representations and machine learning methods to evaluate their performance in determining the grasp stability. A boosting classifier was found to perform the best of the methods tested.

AlkuperäiskieliEnglanti
Otsikko2010 10th IEEE-RAS International Conference on Humanoid Robots, Humanoids 2010
Sivut112-117
Sivumäärä6
DOI - pysyväislinkit
TilaJulkaistu - 2010
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
TapahtumaIEEE-RAS International Conference on Humanoid Robots - Nashville, Yhdysvallat
Kesto: 6 jouluk. 20108 jouluk. 2010
Konferenssinumero: 10

Conference

ConferenceIEEE-RAS International Conference on Humanoid Robots
LyhennettäHumanoids
Maa/AlueYhdysvallat
KaupunkiNashville
Ajanjakso06/12/201008/12/2010

Sormenjälki

Sukella tutkimusaiheisiin 'Evaluation of feature representation and machine learning methods in grasp stability learning'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä