【技术实现步骤摘要】
一种用于目标物体触觉属性识别的多标签学习方法
[0001]本专利技术涉及机器人
，更具体地，涉及一种用于目标物体触觉属性识别的多标签学习方法。
技术介绍
[0002]触觉感知是视觉和听觉感知的一种互补模式，在自主机器人中起着至关重要的作用。利用机器学习方法提高机器人的触觉感知能力越来越受到人们的关注。然而，一个物体通常用一个以上的触觉形容词来描述，对多个形容词的触觉理解可以表述为一个多标签分类问题。现有方法大多使用了非常复杂的特征，并将多标签触觉问题转换为多分类问题。不能充分利用多个触觉形容词之间的相关性。
[0003]智能机器人技术已经遍布于医疗、服务业、军事、农业、工业等各个领域，在实际应用中，机器人对物体的材料及类别的识别能力尤为重要。如何提高机器人对目标物分类的准确率成为了机器学习领域的一个常见问题。在传统机器学习对物体触觉属性进行识别的过程中，通常需要视觉或触觉的感知来对物体对象进行特征分析，以进一步对物体对象进行分类，然而对于特征相似物体，仅从单一模态无法辨识其物品类别，可能需要多种模态结合来提高物
【技术保护点】
【技术特征摘要】
1.一种用于目标物体触觉属性识别的多标签学习方法，包括以下步骤：采集与目标物体交互过程中产生的多模态触觉数据；从所述多模态触觉数据中提取触觉特征构建训练集，该训练集用于表征描述交互过程的触觉形容词与所提取的触觉特征之间的对应关系；利用所述训练集训练多标签分类器，以获得用于实时预测触觉属性的识别模型。2.根据权利要求1所述的方法，其中，所述多模态触觉数据包括：低频流体压力、高频流体振动、核心温度、核心温度变化和多个电极信号。3.根据权利要求2所述的方法，其中，对于低频流体压力、高频流体振动、核心温度和核心温度变化数据，提取的触觉特征是最大值、最小值、均值、峰值、绝对平均值、均方根值、方差、标准差、方根幅值、峭度、偏度、波形因子、峰值因子、脉冲因子、裕度因子中的一项或多项；对于所述多个电极信号，使用主成分分析提取两个最重要的主成分用于表示电极信号，并随着时间的推移，将一个六阶多项式匹配到每个分量上，每个多项式都有六个系数，将这些系数作为提取的触觉特征。4.根据权利要求1所述的方法，其中，所述训练多标签分类器还包括：构建用于验证分类效果的测试集，并使所述训练集和所述测试集都有正负标记的对象。5.根据权利要求1所述的方法，其中，所述训练集中的触觉特征是经归一化处理后的特征，所述多模态触觉数据是经去燥处理的数据。6.根据权利要求1所述的方法，其中，根据以下步骤训练所述多标签分类器：基于所述训...
【专利技术属性】
技术研发人员：易正琨，吴新宇，伍汉诚，周贞宁，米婷婷，方森林，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。