摘要：基于触觉进行物体识别对于机器人实现精细操作、人机交互有着重要意义。结合深度学习理论,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)神经网络的融合模型的机器人触觉序列识别方法,使用14种实验样品组建的触觉数据库进行了十四分类和四分类测试,分别达到了94.2%和95.0%的识别正确率;在此基础上搭建了一套结合物体在线识别的稳定抓取系统,有效地改善了机器人灵巧手的抓握效果。实验表明,对比基本卷积神经网络模型和简单长短期记忆神经网络模型,提出的融合模型对于触觉序列有更好的识别能力,并且能够实际应用于物体在线识别和稳定抓取控制。

关键词：机器人灵巧手 触觉序列 卷积神经网络 长短期记忆神经网络 抓取控制 

单位：东南大学仪器科学与工程学院; 南京210096; 上海宇航系统工程研究所; 上海201109