[ad_1]
Bartolozzi, C., L. Natale, F. et Metta, G. Robots avec le sens du toucher. Nat. Mater. 15921–925 (2016).
Johansson, R. & Flanagan, J. Codage et utilisation de signaux tactiles du bout des doigts dans les tâches de manipulation d'objets. Nat. Rev. Neurosci. dix, 345–359 (2009).
J. Mahler, M. Matl, V. Satish, M. Danielczuk, B. DeRose, S. McKinley et K. Goldberg, K. Apprentissage des stratégies de saisie de robots ambidextre. Sci. Robot. 4eaau4984 (2019).
Levine, S., Finn, C., Darrell, T. et Abbeel, P. Entraînement de bout en bout pour les politiques de visuomotricité profonde. J. Mach. Apprendre. Res. 171334–1373 (2016).
Morrison, D., Corke, P. et Leitner, J. Boucler la boucle pour la saisie robotique: une approche de synthèse en temps réel générative. Dans Proc. Robotique: science et systèmes (RSS Foundation, 2018).
Saal, H., B. Delhaye, B. Rayhaun et B. Bensmaia. Simuler des signaux tactiles de toute la main avec une précision milliseconde. Proc. Natl Acad. Sci. Etats-Unis 114E5693 – E5702 (2017).
Osborn, L. et al. Prothèse avec e-derme neuromorphique multicouche perçoit le toucher et la douleur. Sci. Robot. 3eaat3818 (2018).
Okamura, A. M., Smaby, N. et Cutkosky, M. R. Un aperçu de la manipulation agile. Dans Proc. Conférence internationale IEEE sur la robotique et l’automatisation (ICRA’00) 255 à 262 (2000).
Cannata, G., Maggiali, M., Metta, G. et Sandini, G. (2008). Une peau artificielle intégrée pour les robots humanoïdes. Dans Proc. Conférence internationale
sur la fusion multisensor et l'intégration pour les systèmes intelligents 434–438 (2008).
Romano, J., Hsiao, K., Niemeyer, G., Chitta, S. et Kuchenbecker, K.. Contrôle robotique de la saisie inspiré par l'homme avec détection tactile. IEEE Trans. Robot. 271067-1079 (2011).
Marzke, M. Poignées de précision, morphologie de la main et outils. Un m. J. Phys. Anthropol. 10291-110 (1997).
Niewoehner, W., Bergstrom, A., D. Eichele, M. Zuroff, M. et Clark, J. Dextérité manuelle chez Neanderthals. La nature 422395 (2003).
Feix, T., Kivell, T., Pouydebat, E. & Dollar, A. Estimation de la précision de préhension au pouce et du potentiel de manipulation chez les primates existants et fossiles. J. R. Soc. Interf. 12(2015).
Chortos, A., Liu, J. et Bao, Z. Poursuivant la peau électronique prothétique. Nat. Mater. 15937–950 (2016).
Li, R. et al. Localisation et manipulation de petites pièces à l'aide de la détection tactile GelSight. Dans Proc. Conférence internationale sur les robots et systèmes intelligents 3988–3993 (IEEE / RSJ, 2014).
Yamaguchi, A. & Atkeson, C.G. Combinaison de la vision au doigt et de la détection tactile optique: réduction et gestion des erreurs lors de la coupe de légumes. Dans Proc. 16ème conférence internationale de l'IEEE sur les robots humanoïdes (humanoïdes) 1045-1051 (IEEE-RAS, 2016).
Wettels, N. & Loeb, G. E. Extraction de caractéristiques haptiques à partir d'un capteur tactile biomimétique: force, emplacement du contact et courbure. Dans Proc. Conférence internationale sur la robotique et la biomimétique 2471–2478 (IEEE, 2011).
Park, J., M. Kim, Lee, Y., Lee, H. et Ko, H. Les peaux ferroélectriques microstructurées inspirées par la peau des doigts permettent de distinguer les stimuli statiques / dynamiques de la pression et de la température. Sci. Adv. 1, e1500661 (2015).
Yau, J., S. Kim, Thakur, P. et Bensmaia, S. Forme du sentiment: base neurale de la perception de la forme haptique. J. Neurophysiol. 115631 à 642 (2016).
Bachmann, T. Identification d'images tachistoscopiques de visages quantifiés spatialement: combien de pixels faut-il pour porter l'identité? EUR. J. Cogn. Psychol. 387-103 (1991).
Torralba, A., Fergus, R. et Freeman, W. 80 millions d'images minuscules: un vaste ensemble de données pour la reconnaissance non paramétrique d'objets et de scènes. IEEE Trans. Modèle anal. Mach. Intell. 301958-1970 (2008).
D’Alessio, T. Erreurs de mesure dans le balayage de réseaux de capteurs piézorésistifs. Sens. Actionneurs A 7271–76 (1999).
Ko, J., S. Bhullar, Y. Cho, Lee, P. et Byung-Guk Jun, M. Conception et fabrication d'un capteur de force étirable auxétique pour la rééducation des mains. Smart Mater. Struct. 24075027 (2015).
Lui, K., Zhang, X., Ren, S. et Sun, J. Deep, apprentissage résiduel pour la reconnaissance d'images. Dans Proc. Conférence IEEE sur la vision par ordinateur et la reconnaissance de formes (CVPR) 770–778 (IEEE, 2016).
Russakovsky, O. et al. Défi de reconnaissance visuelle à grande échelle d'ImageNet. Int. J. Comput. Vis. 115211-252 (2015).
Brodie, E. & Ross, H. Mécanismes sensorimoteurs dans la discrimination de poids. Percept Psychophysique. 36477-481 (1984).
Napier, J. Les mouvements préhensiles de la main humaine. J. chirurgie des articulations osseuses. Br. 38-B902 à 913 (1956).
Lederman, S. & Klatzky, R. Les mouvements des mains: une fenêtre sur la reconnaissance d'objet haptique. Cognit. Psychol. 19342-368 (1987).
Feix, T., J. Romero, H. Schmiedmayer, A. Dollar et A. Kragic, D. La taxonomie GRASP des types de prise humaine. IEEE Trans. Fredonner. Mach. Syst. 46, 66–77 (2016).
Simon, T., Joo, H., Matthews, I. et Sheikh, Y. Détection de point clé à la main dans des images uniques à l’aide de l’amorçage à plusieurs vues. Dans Proc.
Conférence IEEE sur la vision par ordinateur et la reconnaissance de formes (CVPR) 4645–4653 (IEEE, 2017).
Lazzarini, R., Magni, R. & Dario, P. Capteur à matrice tactile recouvert d'une peau artificielle. Dans Proc.
Conférence internationale IEEE sur les robots et les systèmes intelligents (interaction robotique humaine et robots coopératifs) 114-119 (IEEE / RSJ, 1995).
Newell, F., Ernst, M., Tjan, B. et Bülthoff, H. Dépendance vis-à-vis du point de vue pour la reconnaissance d’objets visuels et haptiques. Psychol. Sci. 1237–42 (2001).
Higy, B., Ciliberto, C., Rosasco, L. et Natale, L. Combinaison de modalités sensorielles et de procédures exploratoires pour améliorer la reconnaissance d'objets haptiques en robotique. Dans Proc. 16ème conférence internationale sur les robots humanoïdes (humanoïdes) 117–124 (IEEE-RAS, 2016).
Klatzky, R., Lederman, S. & Metzger, V. Identifier des objets au toucher: un "système expert". Percept Psychophysique. 37299-302 (1985).
Lederman, S. & Klatzky, R. Haptic perception: un tutoriel. Atten. Percept Psychophysique. 711439-1459 (2009).
Kappassov, Z., Corrales, J. & Perdereau, V. Détection tactile dans des mains de robot habiles. Robot. Auton. Syst. 74, 195-220 (2015).
Gao, Y., Hendricks, L.A., Kuchenbecker, K.J. & Darrell, T. Deep. Apprentissage de la compréhension tactile à partir de données visuelles et haptiques. Dans Proc. Conférence internationale sur la robotique et l'automatisation (ICRA) 536-543 (IEEE, 2016).
Meier, M., Walck, G., Haschke, R. et Ritter, H. J. Distinguer le glissement d'un glissement lors de la poussée d'un objet. Dans Proc. Robots et systèmes intelligents IEEE (IROS) 5579–5584 (2016).
Baishya, S. S. & Bäuml, B. Classification de matériau robuste avec une peau tactile utilisant l'apprentissage en profondeur. Dans Proc.
Robots et systèmes intelligents IEEE (IROS) 8-15 (2016).
Tompson, J., R. Goroshin, A. Jain, LeCun, Y. et Bregler, C. Localisation d'objets efficace à l'aide de réseaux de convolution. Dans Proc. Conférence IEEE sur la vision par ordinateur et la reconnaissance des formes 648–656 (IEEE, 2015).
Paszke, A. et al. Différenciation automatique dans PyTorch. Dans Proc. 31ème conférence sur les systèmes de traitement d'informations neuronaux (NIPS) 1-4 (2017).
Bau, D., B. Zhou, A. Khosla, A. Oliva et A. Torralba. Dissection en réseau: quantification de l’interprétabilité des représentations visuelles profondes. Dans Conférence IEEE sur la vision par ordinateur et la reconnaissance de formes (CVPR) 3319–3327 (IEEE, 2017).
Flanagan, J. & Bandomir, C. Comprendre la perception du poids: effets de la configuration de la saisie sur la lourdeur perçue. Percept Psychophysique. 621204-1219 (2000).
Maaten, L. V. D. & Hinton, G. Visualisation de données à l'aide de t-SNE. J. Mach. Apprendre. Res. 92579-2605 (2008).
Krzywinski, M. et al. Circos: une esthétique de l'information pour la génomique comparative. Génome res. 191639-1645 (2009).
[ad_2]